如何使用 pycaffe 编写带有内存数据层的网络？答案

【问题标题】：How to write a net with a Memory Data Layer using pycaffe?如何使用 pycaffe 编写带有内存数据层的网络？
【发布时间】：2016-11-22 22:38:35
【问题描述】：

可以在pycaffe中使用hdf5数据层从以下几行编写caffe prototxt：

import caffe
from caffe import layers as L

def logreg(hdf5, batch_size):
    n = caffe.NetSpec()
    n.data, n.label = L.HDF5Data(batch_size = batch_size, source = hdf5, ntop = 2)
    n.ip1 = L.InnerProduct(n.data, num_output = 2, weight_filler = dict(type='xavier'))
    n.accuracy = L.Accuracy(n.ip1, n.label)
    n.loss = L.SoftmaxWithLoss(n.ip1, n.label)
    return n.to_proto()

with open('models/logreg_auto_train.prototxt', 'w') as f:
    f.write(str(logreg('data/train.txt', chunck_size)))

有没有可能用类似的方法写一个有内存数据层的prototxt？

【问题讨论】：

标签： caffe pycaffe

【解决方案1】：

试试这样的：

import caffe
from caffe import layers as L

def logreg(height, width, channels, batch_size):
    n = caffe.NetSpec()
    n.data = L.MemoryData(batch_size = batch_size, height = height, width = width, channels = channels)
    n.ip1 = L.InnerProduct(n.data, num_output = 2, weight_filler = dict(type='xavier'))
    return n.to_proto()

with open('models/logreg_memdata.prototxt', 'w') as f:
    f.write(str(logreg(128,128,3, chunck_size)))

【讨论】：

谢谢，我必须保留n.label 声明，以便能够以简单的方式加载从以前模型中学到的权重。那不应该改变什么吧？
嗯，我看不出在n.label 中加载会有什么影响，但我很惊讶它是必需的。您是否正在使用这个新网络进行更多培训？
有没有一种简单的方法来设置不同层结构的权重？我确实没有将它用于训练，以这种方式设置权重很简单
当我将网络从训练切换到部署时，我可以删除我的 Accuracy 和 SoftmaxWithLoss 层，然后替换我的 带有 MemoryData 的数据 层（我使用 leveldb 而不是 HDF5）。我从使用旧网络训练的*.caffemodel 将权重加载到新网络中没有问题。
什么是L变量？