在python中,当我想使用caffe从层获取数据时,我有以下代码
input_image = caffe.io.load_image(imgName)
input_oversampled = caffe.io.resize_image(input_image, self.net.crop_dims)
prediction = self.net.predict([input_image])
caffe_input = np.asarray(self.net.preprocess('data', prediction))
self.net.forward(data=caffe_input)
data = self.net.blobs['fc7'].data[4] // I want to get this value in lua
当我用手电筒的时候,我有点卡住了,因为我不知道怎么做同样的动作。 目前我有以下代码
^{pr2}$任何帮助都将不胜感激
首先请注意,torch-caffe-binding(即与
require 'caffe'
一起使用的工具)是Caffe库的直接包装器,这要归功于LuaJIT FFI。在这意味着它允许你方便地用Torch张量进行正向或反向操作,但是behind the scenes这些操作是在
caffe::Net
而不是在Torchnn
网络上进行的。在因此,如果你想操作一个普通的Torch network,你应该使用loadcaffe库,它将网络完全转换为^{} :
然后可以使用^{} 。但是请注意,您不能再使用它们的初始标签(如}),因为它们是{a7}。在
conv1
或{这里
^{pr2}$fc7
(INNER_PRODUCT
)对应于N-1线性变换。因此,您可以得到如下结果:然后,您可以通过
fc7.weight
和fc7.bias
读取数据(权重和偏差),这是常规的torch.Tensor
-s更新
到提交时,2516facloadcaffe现在还保存层名称。因此,要检索
'fc7'
层,现在可以执行以下操作:相关问题 更多 >
编程相关推荐