网外科：如何在caffe中reshape一个caffemodel文件的卷积层？答案

【问题标题】：Net surgery: How to reshape a convolution layer of a caffemodel file in caffe?网外科：如何在caffe中reshape一个caffemodel文件的卷积层？
【发布时间】：2017-02-15 08:01:32
【问题描述】：

我正在尝试重塑 caffemodel 的卷积层的大小（这是this question 的后续问题）。虽然how to do net surgery 上有教程，但它只展示了如何将权重参数从一个 caffemodel 复制到另一个相同大小的模型。
相反，我需要在我的卷积滤波器中添加一个新通道（全为 0），使其大小从当前的 (64x3x3x3) 更改为 (64x4 x3x3)。

假设卷积层被称为'conv1'。这是我迄今为止尝试过的：

# Load the original network and extract the fully connected layers' parameters.
net = caffe.Net('../models/train.prototxt', 
                '../models/train.caffemodel', 
                caffe.TRAIN)

现在我可以执行此操作了：

net.blobs['conv1'].reshape(64,4,3,3);
net.save('myNewTrainModel.caffemodel');

但保存的模型似乎没有改变。我读过卷积的实际权重存储在net.params['conv1'][0].data 中而不是net.blobs 中，但我不知道如何重塑net.params 对象。有人有想法吗？

【问题讨论】：

标签： machine-learning neural-network deep-learning caffe pycaffe

【解决方案1】：

正如您所注意到的，net.blobs 不存储学习的参数/权重，而是存储在网络输入上应用过滤器/激活的结果。学习到的权重存储在net.params 中。（详情请参阅this）。

AFAIK，您不能直接 reshape net.params 并添加频道。
你可以做的是有两个网deploy_trained_net_with_3ch.prototxt 和deploy_empty_net_with_4ch.prototxt。除了输入的形状定义和第一层的名称之外，这两个文件几乎可以相同。
然后您可以将 both 网络加载到 python 并复制相关部分：

net3ch = caffe.Net('deploy_trained_net_with_3ch.prototxt', 'train.caffemodel', caffe.TEST) 
net4ch = caffe.Net('deploy_empty_net_with_4ch.prototxt', 'train.caffemodel', caffe.TEST)

因为所有层名称都是相同的（除了conv1）net4ch.params 将具有train.caffemodel 的权重。至于第一层，您现在可以手动复制相关部分：

net4ch.params['conv1_4ch'][0].data[:,:3,:,:] = net3ch.params['conv1'][0].data[...]

最后：

net4ch.save('myNewTrainModel.caffemodel')

【讨论】：

感谢您回答这么多问题。你真的帮了我很多！不过将来可能还有一些问题;)