讀取修改caffemodel檔案裡的網路模型參數_神經網路-入門

[背景]
老師要我和學長實現一個多解析度的檢測網。想法是在pvanet的基礎上，從conv2-3生出一個分支子網路，分支網的rpn和fc還有分類器都是照搬pvanet主幹網。用淺層特徵去檢測小目標，也就是單獨用小目標訓練分支網路，最後把分支網和主幹pvanet合并。所以用到caffemodel的讀取和修改。

1.caffemodel檔案中參數的讀取

caffemodel是二進位檔案，caffe有提供python介面進行讀取。讀取時需要網路結構檔案如test.prototxt和模型檔案如pvanet_frcnn_384_iter_5000.caffemodel。

# -*- coding:utf-8 -*-import numpy as npimport _init_pathsimport collectionsfrom collections import OrderedDictcaffe.set_mode_cpunet0 = caffe.Net('test23-4-24.prototxt',\    'pvanet_frcnn_384_iter_5000.caffemodel',caffe.TEST) #TEST/TRAIN    #我的python指令碼，prototxt,caffemodel檔案放在同級目錄下了，你的檔案路徑按需修改conv1_w = net0.params['conv1_1/conv'][0].data#模型參數都存在了net.params這個有序字典裡，對這就是python裡的那個字典，所以對模型參數的操作和對python字典操作一樣。['conv1_1/conv']是鍵名，[0]是權的維度keys0 = net0.params.keys()print net0.params.keys()for key0 in keys0:   # 輸出所有層名，參數    print key0    try:        print net1.params[key1][0].data    except IndexError:        continue    try:        print net1.params[key1][1].data    except IndexError:        continue    try:        print net1.params[key1][2].data    except IndexError:        continue    finally:        print '\n'

2.修改參數並儲存為新的模型檔案

一般改參數的值不太可能用到，倒是修改層，複製一些層參數給新的層可能用到。下面是把訓練好的分支網路參數併到pvanet主幹網的模型裡。[注]pvanet訓練時，指定一個模型檔案後，如果網路裡有模型中沒有的層，那這些層參數的初始化是隨機的，但是訓練得到的caffemodel是和網路結構匹配的。

net1 = caffe.Net('test_branch1.prototxt','branch1.caffemodel',caffe.TEST)keys1 = net1.params.keys()for key1 in keys1:    net0.params.setdefault(key1, newparams[key1])    #net0 net1共有的層參數用net0的，net1專屬的新層，層名和參數一起加入net0     #net0的參數另存新檔新caffemodel net0.save('test_tree.caffemodel')

相關參考部落格：
http://blog.csdn.net/jiongjiongxia123/article/details/60965743

這裡有一個把fc層改為conv層的部落格很好用：http://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/net_surgery.ipynb