Comment charger un modèle caffe et le convertir en un tableau numpy?

Question

J'ai un fichier caffemodel qui contient des couches qui ne sont pas supportées par l'utilitaire de conversion caffe-tensorflow d'ethereon. Je voudrais générer une représentation numpy de mon caffemodel.

Ma question est, comment puis-je convertir un fichier caffemodel (j'ai aussi le prototxt, si cela est utile) à un fichier numpy? Informations supplémentaires: J'ai python, caffe avec interfaces python etc installé. Je n'ai clairement pas d'expérience avec le café.

Answer 1

est ici une fonction bien qui convertit un filet caffe à une liste de python de dictionnaires, de sorte que vous pouvez décaper et lire de toute façon que vous voulez:

import caffe 

def shai_net_to_py_readable(prototxt_filename, caffemodel_filename): 
    net = caffe.Net(prototxt_filename, caffemodel_filename, caffe.TEST) # read the net + weights 
    pynet_ = [] 
    for li in xrange(len(net.layers)): # for each layer in the net 
    layer = {} # store layer's information 
    layer['name'] = net._layer_names[li] 
    # for each input to the layer (aka "bottom") store its name and shape 
    layer['bottoms'] = [(net._blob_names[bi], net.blobs[net._blob_names[bi]].data.shape) 
         for bi in list(net._bottom_ids(li))] 
    # for each output of the layer (aka "top") store its name and shape 
    layer['tops'] = [(net._blob_names[bi], net.blobs[net._blob_names[bi]].data.shape) 
         for bi in list(net._top_ids(li))] 
    layer['type'] = net.layers[li].type # type of the layer 
    # the internal parameters of the layer. not all layers has weights. 
    layer['weights'] = [net.layers[li].blobs[bi].data[...] 
         for bi in xrange(len(net.layers[li].blobs))] 
    pynet_.append(layer) 
return pynet_