是否可以在没有任何训练的情况下使用 Caffe Only 进行分类？

Question

有些用户可能会将此视为基于意见的问题，但如果您仔细观察，我正在尝试探索将 Caffe 用作纯粹的测试平台，而不是目前流行的用作训练平台。

背景：

1. 我已经在 Nvidia TK1 上使用 Jetpack 2.0 安装了所有依赖项。
2. 我已成功安装 caffe 及其依赖项。
3. MNIST 示例运行良好。

任务：

1. 我得到了一个包含所有标准层的卷积网络。 （不是开源模型）
2. 网络权重和偏差值等在训练后可用。培训不是通过 caffe 完成的。 （预训练网络）
3. 权重和偏差均采用 MATLAB 矩阵的形式。 （实际上是在一个 .txt 文件中，但我可以轻松编写代码将它们变成矩阵）
4. 我无法使用 caffe 对该网络进行训练，并且必须仅将给定的权重和偏差值用于分类。
5. 我有自己的 32x32 像素图像形式的数据集。

问题： 在所有教程中，都详细介绍了如何部署和训练网络，然后使用生成的 .proto 和 .caffemodel 文件进行验证和分类。是否可以在 caffe 上实现这个网络并直接使用我的权重/偏差和训练集对图像进行分类？这里有哪些可用选项？我是一个咖啡处女，所以请善待。感谢您的帮助！

Answer 1

这里唯一的问题是：
如何从文本文件权重初始化 caffe net？

我假设您有一个 'deploy.prototxt' 描述网络的架构（层类型、连接性、过滤器大小等）。剩下的唯一问题是如何将caffe.Net 的内部权重设置为保存为文本文件的预定义值。

您可以访问caffe.Net 内部，请参阅net surgery 教程，了解如何在 python 中完成此操作。

一旦您能够根据您的文本文件设置权重，您就可以将新的权重net.save(...) 转换为二进制文件caffemodel，以便以后使用。如果您已经训练了权重，则不必训练网络，并且可以使用它来生成预测（“测试”）。