国产探花免费观看_亚洲丰满少妇自慰呻吟_97日韩有码在线_资源在线日韩欧美_一区二区精品毛片,辰东完美世界有声小说,欢乐颂第一季,yy玄幻小说排行榜完本

首頁 > 編程 > Python > 正文

caffe的python接口學習(8):caffemodel中的參數及特征的抽取

2019-11-06 08:25:02
字體:
來源:轉載
供稿:網友

如果用公式  y=f(wx+b)

來表示整個運算過程的話,那么w和b就是我們需要訓練的東西,w稱為權值,在cnn中也可以叫做卷積核(filter),b是偏置項。f是激活函數,有sigmoid、relu等。x就是輸入的數據。

數據訓練完成后,保存的caffemodel里面,實際上就是各層的w和b值。

我們運行代碼:

deploy=root + 'mnist/deploy.就把所有的參數和數據都加載到一個net變量里面了,但是net是一個很復雜的object, 想直接顯示出來看是不行的。其中:

net.params: 保存各層的參數值(w和b)

net.blobs: 保存各層的數據值

可用命令:

[(k,v[0].data) for k,v in net.params.items()]

查看各層的參數值,其中k表示層的名稱,v[0].data就是各層的W值,而v[1].data是各層的b值。注意:并不是所有的層都有參數,只有卷積層和全連接層才有。

也可以不查看具體值,只想看一下shape,可用命令

[(k,v[0].data.shape) for k,v in net.params.items()]

假設我們知道其中第一個卷積層的名字叫'Convolution1', 則我們可以提取這個層的參數:

w1=net.params['Convolution1'][0].datab1=net.params['Convolution1'][1].data

輸入這些代碼,實際查看一下,對你理解network非常有幫助。

同理,除了查看參數,我們還可以查看數據,但是要注意的是,net里面剛開始是沒有數據的,需要運行:

net.forward()

之后才會有數據。我們可以用代碼:

[(k,v.data.shape) for k,v in net.blobs.items()]

[(k,v.data) for k,v in net.blobs.items()]

來查看各層的數據。注意和上面查看參數的區別,一個是net.params, 一個是net.blobs.

實際上數據剛輸入的時候,我們叫圖片數據,卷積之后我們就叫特征了。

如果要抽取第一個全連接層的特征,則可用命令:

fea=net.blobs['InnerProduct1'].data

只要知道某個層的名稱,就可以抽取這個層的特征。

推薦大家在spyder中,運行一下上面的所有代碼,深入理解模型各層。

最后,總結一個代碼:

復制代碼
import caffeimport numpy as nproot='/home/xxx/'   #根目錄deploy=root + 'mnist/deploy.prototxt'    #deploy文件caffe_model=root + 'mnist/lenet_iter_9380.caffemodel'   #訓練好的 caffemodelnet = caffe.Net(deploy,caffe_model,caffe.TEST)   #加載model和network
[(k,v[0].data.shape) for k,v in net.params.items()]  #查看各層參數規模
w1=net.params['Convolution1'][0].data  #提取參數wb1=net.params['Convolution1'][1].data  #提取參數b
net.forward()   #運行測試
[(k,v.data.shape) for k,v in net.blobs.items()]  #查看各層數據規模
fea=net.blobs['InnerProduct1'].data   #提取某層數據(特征)復制代碼
發表評論 共有條評論
用戶名: 密碼:
驗證碼: 匿名發表
主站蜘蛛池模板: 吉林省| 观塘区| 宁安市| 黄陵县| 扎囊县| 舟山市| 顺义区| 利辛县| 绍兴县| 涿鹿县| 梁平县| 汤阴县| 喀喇| 金昌市| 鹤峰县| 松滋市| 纳雍县| 海晏县| 屯留县| 襄汾县| 申扎县| 长寿区| 太保市| 常熟市| 长垣县| 锡林浩特市| 南郑县| 丁青县| 灵山县| 富阳市| 平山县| 洛川县| 呼和浩特市| 常熟市| 涟源市| 海晏县| 锦屏县| 新龙县| 泉州市| 涿鹿县| 新化县|