具有多个不同维度的输入的 Caffe deploy.prototxt答案

【问题标题】：Caffe deploy.prototxt with multiple inputs of different dimensions具有多个不同维度的输入的 Caffe deploy.prototxt
【发布时间】：2023-03-19 12:14:01
【问题描述】：

我在 Caffe 中有一个网络，它接受多个图像输入（可能具有不同的尺寸）并将它们用作网络初始部分的单独 blob。

在训练阶段，我按照文档中的建议通过创建 HDF5 数据库来实现这一点。

但是，对于部署阶段，我需要将训练阶段的数据层替换为输入层，并指定输入 blob 的尺寸。

对于单个 blob，这是通过 input_param 的 shape 属性完成的。在这种情况下，我有多个可能具有不同尺寸的 blob，我该怎么做？

谢谢。

【问题讨论】：

标签： input neural-network deep-learning caffe dimensions

【解决方案1】：

如果您仔细查看caffe.proto，您会发现input 和input_shape 具有repeated 的属性：

// DEPRECATED. See InputParameter. The input blobs to the network.
repeated string input = 3;
// DEPRECATED. See InputParameter. The shape of the input blobs.
repeated BlobShape input_shape = 8;

这意味着你可以有几个这样的条目：

name: "AnAmazingNetWithMultipleInputs_ThankYouShai_IwillForeverBeInYourDebt"
input: "first_input_1x3x127x127"
input_shape { dim: 1 dim: 3 dim: 127 dim: 127 }
input: "second_input_2x4x224x224"
input_shape { dim: 2 dim: 4 dim: 224 dim: 224 }
# I hope you can take it from here ;)

如果您更仔细地查看caffe.proto 的相关部分，您会注意到这种形式的“输入形状声明”已被弃用。
更好的方法是使用"Input"层：

layer {
  type: "Input"
  name: "one_input_layer"
  top: "first_input_1x3x127x127"
  shape { dim: 1 dim: 3 dim: 127 dim: 127 }
  top: "second_input_2x4x224x224"
  shape { dim: 2 dim: 4 dim: 224 dim: 224 }
}

如果您觉得更容易理解/阅读，您还可以为每个输入设置不同的"Input" 层。

【讨论】：

谢谢！我应该考虑使用多个输入层！一个疑问：如果我重复使用 top 和 shape ，每个 top 之后必须只有一个 shape 吗？它是如何建立映射关系的？
我想按出场顺序
谢谢@Shai，这很有效。但是，似乎有一个小错误：我认为 shape 是 input_param 的属性，而不是直接的 Input 层。当我尝试在第二个示例中使用它时出现错误，已通过使用 input_param 进行了更正。