jupyter-notebook - caffe/pycaffe 备忘单？

Question

有谁知道是否有所有重要 pycaffe 命令的备忘单？到目前为止，我仅通过 Matlab 界面和终端 + bash 脚本使用 caffe。

我想转向使用 ipython 并完成 ipython 笔记本示例。然而，我发现很难概述 python 的 caffe 模块内的所有函数。 (我对 python 也很陌生)。

Answer 1

pycaffe tests和 this file是通往 Python 编码接口(interface)的主要门户。

首先，您需要选择是使用CPU还是GPU的Caffe。分别调用 caffe.set_mode_cpu() 或 caffe.set_mode_gpu() 就足够了。

网络

pycaffe接口(interface)公开的主要类是Net。它有两个构造函数:

net = caffe.Net('/path/prototxt/descriptor/file', caffe.TRAIN)

它只是创建一个Net(在本例中使用指定用于训练的数据层)，或者

net = caffe.Net('/path/prototxt/descriptor/file', '/path/caffemodel/weights/file', caffe.TEST)

它创建一个Net并自动加载保存在提供的caffemodel文件中的权重 - 在本例中使用指定的数据层测试。

Net 对象具有多个属性和方法。可以找到它们here 。我只会引用我经常使用的那些。

您可以通过Net.blobs访问网络blob。例如

data = net.blobs['data'].data
net.blobs['data'].data[...] = my_image
fc7_activations = net.blobs['fc7'].data

您也可以以类似的方式访问参数(权重)。例如

nice_edge_detectors = net.params['conv1'].data
higher_level_filter = net.params['fc7'].data

好的，现在是时候向网络提供一些数据了。因此，您将使用 backward() 和 forward() 方法。所以，如果你想对单个图像进行分类

net.blobs['data'].data[...] = my_image
net.forward() # equivalent to net.forward_all()
softmax_probabilities = net.blobs['prob'].data

如果有人对计算梯度感兴趣，则 backward() 方法是等效的。

您可以保存净重以便随后重复使用。这只是一个问题

 net.save('/path/to/new/caffemodel/file')

求解器

pycaffe 公开的另一个核心组件是 Solver。求解器有多种类型，但为了清楚起见，我将仅使用 SGDSolver。训练咖啡模型需要它。您可以使用以下命令实例化求解器

solver = caffe.SGDSolver('/path/to/solver/prototxt/file')

求解器将封装您正在训练的网络以及用于测试的网络(如果存在)。请注意，它们通常是同一网络，只是具有不同的数据层。网络可通过以下方式访问

 training_net = solver.net
 test_net = solver.test_nets[0] # more than one test net is supported

然后，您可以执行求解器迭代，即带有权重更新的前向/后向传递，只需键入

 solver.step(1)

或者运行求解器直到最后一次迭代，

 solver.solve()

其他功能

请注意，pycaffe 允许您做更多的事情，例如 specifying the network architecture through a Python class或creating a new Layer type 。这些功能不太常用，但通过阅读测试用例很容易理解。