machine-learning - 如何在 Caffe 中检索图层

Question

给定一个 caffe.Net 对象，访问特定层的最佳方式是什么？
现在我只知道如何迭代它们，这不是很有用:

for i in range(n_layers):
  print net.layers[i].type

Answer 1

您可以通过以下方式获取所有图层的名称

all_names = [n for n in net._layer_names]

当然，如果你想检查学习参数的值，你可以在 net surgery 中看到它是如何完成的。示例。

例如，如果您想检查 conv1 层的过滤器(假设您的模型中有一个具有该名称的层)，您可以访问

In [1]: net.params['conv1'][0].data.shape
Out[1]: (64, 3, 3, 3)

以及该层的偏置项

In [2]: net.params['conv1'][1].data.shape
Out[2]: (64,)

如您所见，这是图像处理网络的第一层，它有 64 个滤波器，作用于 BGR(3 channel )输入的 3x3 block 。

如果您已经通过网络馈送数据(使用 net.forward 或 net.backward)，您可以检查不同层对馈送的特定输入的响应通过网络:

In [3]: net.blobs['conv1'].data.shape
Out[3]: (1, 64, 198, 198)

conv1层的输出形状为198x198像素，64个 channel (该层有64个滤波器)，批量大小为1。
如果您也执行了向后传递，您还可以检查在这一层计算的梯度:

In [4]: net.blobs['conv1'].diff.shape
Out[4]: (1, 64, 198, 198)