machine-learning - 是否可以使用 Caffe Only 进行分类而无需任何训练？

Question

一些用户可能会认为这是基于意见的问题，但如果您仔细观察，我正在尝试探索使用 Caffe 作为纯粹的测试平台，而不是目前流行的培训平台。

背景:

1. 我已在 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。训练尚未通过 caffe 完成。 (预训练网络)
3. 权重和偏差均采用 MATLAB 矩阵的形式。 (实际上在 .txt 文件中，但我可以轻松编写代码使它们成为矩阵)
4. 我无法使用 caffe 训练该网络，只能使用给定的权重和偏差值进行分类。
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，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/偏差和训练集来对图像进行分类？这里有哪些可用的选项？我是个咖啡处女，所以要友善。谢谢您的帮助!

Answer 1

这里唯一的问题是:
如何从文本文件权重初始化caffe net？

我假设您有一个描述网络架构(层类型、连接性、过滤器大小等)的'deploy.prototxt'。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内部结构，请参阅net surgery有关如何在 python 中完成此操作的教程。

一旦您能够根据文本文件设置权重，您就可以net.save(...)将新权重保存到二进制caffemodel文件中从现在开始使用。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”)。