caffe 中过滤器内的值

【问题标题】：Values inside filters in caffecaffe 中过滤器内的值
【发布时间】：2017-03-06 20:07:28
【问题描述】：

我正在尝试理解 caffe 网络模型中的以下部分。

 convolution_param {
    num_output: 256
    pad: 2
    kernel_size: 5
    group: 2
    weight_filler {
      type: "gaussian"
      std: 0.01
    }
    bias_filler {
      type: "constant"
      value: 1
    }
}

据我了解，这一层使用了 256 个过滤器。我想知道这些过滤器中的值是如何选择的？使用尺寸 5x5 和标准开发 0.01 我们可以创建一个过滤器，如何创建其他过滤器？

【问题讨论】：

标签： neural-network deep-learning caffe

【解决方案1】：

根据该层的输入维度（“通道”形状），该层有 256 个形状为 in-dim-by-5-by-5 的过滤器。 Caffe 使用来自具有零均值和 std=0.01 的高斯（正态）分布的 i.i.d 随机样本初始化所有这些值（根据 weight_filler 参数）。

可以在python中看到值（假设层名是"conv1"）：

import caffe
net = caffe.Net('/path/to/net.prototxt', caffe.TEST)
layer_idx = list(net._layer_names).index('conv1')
weights = net.layers[layer_idx].blobs[0].data
print "filter values =", weights

【讨论】：