미리 훈련 된 Caffe 모델을로드하기위한 솔루션입니다. this thread의 토론에서 참조한 full code here을 참조하십시오.
net_caffe = caffe.Net(prototxt, caffemodel, caffe.TEST)
caffe_layers = {}
for i, layer in enumerate(net_caffe.layers):
layer_name = net_caffe._layer_names[i]
caffe_layers[layer_name] = layer
def caffe_weights(layer_name):
layer = caffe_layers[layer_name]
return layer.blobs[0].data
def caffe_bias(layer_name):
layer = caffe_layers[layer_name]
return layer.blobs[1].data
#tensorflow uses [filter_height, filter_width, in_channels, out_channels] 2-3-1-0
#caffe uses [out_channels, in_channels, filter_height, filter_width] 0-1-2-3
def caffe2tf_filter(name):
f = caffe_weights(name)
return f.transpose((2, 3, 1, 0))
class ModelFromCaffe():
def get_conv_filter(self, name):
w = caffe2tf_filter(name)
return tf.constant(w, dtype=tf.float32, name="filter")
def get_bias(self, name):
b = caffe_bias(name)
return tf.constant(b, dtype=tf.float32, name="bias")
def get_fc_weight(self, name):
cw = caffe_weights(name)
if name == "fc6":
assert cw.shape == (4096, 25088)
cw = cw.reshape((4096, 512, 7, 7))
cw = cw.transpose((2, 3, 1, 0))
cw = cw.reshape(25088, 4096)
else:
cw = cw.transpose((1, 0))
return tf.constant(cw, dtype=tf.float32, name="weight")
images = tf.placeholder("float", [None, 224, 224, 3], name="images")
m = ModelFromCaffe()
with tf.Session() as sess:
sess.run(tf.initialize_all_variables())
batch = cat.reshape((1, 224, 224, 3))
out = sess.run([m.prob, m.relu1_1, m.pool5, m.fc6], feed_dict={ images: batch })
...
답변 해 주셔서 감사합니다. 그것은 나를 많이 돕는다. 그러나 RNN의 경우, 사전 훈련 된 가중치를 초기화하는 방법을 찾지 못했습니다. –
ModelFromCaffe 클래스를 사용하여 변수를 만들 수 있습니다 (예 : 'fc6_W = tf.Variable (m.get_fc_weight ("fc6"), name = "fc6_W")'[여기에있는 문서를 참조하십시오.] (https://www.tensorflow.org/versions/r0.9/how_tos/variables/ index.html). – ssjadon