如何使用火炬从咖啡馆模型中获取图层

Question

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

Answer 1

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^{}：

require 'loadcaffe'

local net = loadcaffe.load('net.prototxt', 'net.caffemodel')

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conv1或{}），因为它们是{a7}。在

这里fc7（INNER_PRODUCT）对应于N-1线性变换。因此，您可以得到如下结果：

^{pr2}$

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：

local fc7
for _,m in pairs(net:listModules()) do
  if m.name == 'fc7' then
    fc7 = m
    break
  end
end