如何从train.prototxt创建caffe.deploy

这是我的train.prototxt。这是我的deploy.prototxt。如何从train.prototxt创建caffe.deploy

当我想要我的加载部署文件我得到这个错误：

File "./python/caffe/classifier.py", line 29, in __init__ 
in_ = self.inputs[0] 
IndexError: list index out of range

所以，我删除了数据层：

F1117 23:16:09.485153 21910 insert_splits.cpp:35] Unknown bottom blob 'data' (layer 'conv1', bottom index 0) 
*** Check failure stack trace: ***

比，我从CONV 1层去除bottom: "data"。

之后，我得到这个错误：

F1117 23:17:15.363919 21935 insert_splits.cpp:35] Unknown bottom blob 'label' (layer 'loss', bottom index 1) 
*** Check failure stack trace: ***

我删除bottom: "label"从损耗层。我得到这个错误：

I1117 23:19:11.171021 21962 layer_factory.hpp:76] Creating layer conv1 
I1117 23:19:11.171036 21962 net.cpp:110] Creating Layer conv1 
I1117 23:19:11.171041 21962 net.cpp:433] conv1 -> conv1 
F1117 23:19:11.171061 21962 layer.hpp:379] Check failed: MinBottomBlobs() <= bottom.size() (1 vs. 0) Convolution Layer takes at least 1 bottom blob(s) as input. 
*** Check failure stack trace: ***

我应该怎么做才能修复它并创建我的部署文件？

来源

2015-11-18 Caaarlos

有一个“训练” prototxt和一个“部署”一个之间的两个主要区别：

1.输入：虽然用于训练数据被固定到一个预处理训练数据集（lmdb/HDF5等），部署网络需要以更“随机”的方式处理其他输入。
因此，第一个更改是删除输入图层（在TRAIN和TEST阶段期间推送“数据”和“标签”的图层）。要更换输入层，你需要添加如下声明：

input: "data" 
input_shape: { dim:1 dim:3 dim:224 dim:224 }

此声明不提供对网络的实际数据，但它告诉净期待什么形状，让朱古力预分配必要的资源。

2.损失：训练原型文档中最上面的层定义了训练的损失函数。这通常涉及地面真相标签。部署网络时，您不再有权访问这些标签。因此，损失层应该转换为“预测”输出。例如，应将“SoftmaxWithLoss”图层转换为简单的“Softmax”图层，该图层输出类别概率而不是对数似然丢失。其他一些损失层已经有预测作为输入，因此只需删除它们就足够了。

更新：有关更多信息，请参阅this tutorial。

来源

2015-11-18 06:25:42 Shai

什么是dim：1？ – 0x1337

@ 0x1337为了定义我们使用[''BlobShape'']输入''data''的形状'（https://github.com/BVLC/caffe/blob/master/src/caffe/proto /caffe.proto#L6）原始消息。这个“形状”有一个“重复”参数dim，它定义了“形状”的一个维度。 'dim：1'意味着我们希望''data''在部署阶段一次只包含一个样本（即'batch_size：1'）。 – Shai

@Shai感谢您的明确解释。有没有办法在python中以编程方式生成deploy.prototxt类似？有关我的问题的更多细节在这里 - http://stackoverflow.com/questions/40986009/how-to-programmatically-generate-deploy-txt-for-caffe-in-python – cdeepakroy

除了来自@Shai的建议之外，您可能还希望禁用丢弃图层。

虽然Caffe的作者贾扬清曾经说过失落层对测试结果的影响可以忽略不计（google group conversation, 2014），但其他的Deeplearning工具建议在部署阶段禁用失效（例如lasange）。

来源

2016-07-28 07:22:13 True

这取决于你的退出层的实现方式。在某些情况下，您需要用缩放来替换掉落，以补偿未丢弃的信号的增加能量：例如，如果您下降50％，那么在测试时间内，穿过图层的信号强度会增加x2，需要将产量缩减50％。 – Shai

如何从train.prototxt创建caffe.deploy

回答

相关问题