关于convert caffe model to torch的一些问题

Posted 2023-03-29

【中文标题】关于convert caffe model to torch的一些问题

【英文标题】：Some questions about convert caffe model to torch

【发布时间】：2018-02-26 12:28:39

【问题描述】：

我使用torch-caffe-binding 将caffe 模型转换为torch。我想最后删除损失层并添加其他torch层，我可以删除.prototxt文件中的层并“训练”模型以获取.caffemodel文件并导入torch吗？ 并且模型使用了lmdb类型的数据，当我使用net:forward(input)训练模型时，模型只是使用了数据层中定义的数据，而不是使用inputdata。那么如何训练使用 lmdb 数据的模型呢？ caffe 模型有一些自定义层，所以我不能使用loadcaffe 在torch 中加载模型

【参考方案1】：

这里有 3 个问题 -

您可能需要损失层进行训练（这就是​​您的 想最小化）。所以用它训练，训练完成后 在转换为 Torch 之前将其从您的 prototxt 中删除。

为了使用 lmdb 而不是使用数据层，连接 您对第一个 conv 层的输入（假设您的第一个非输入 层是conv，例如说你有

layer 
  name: "input-data"
  type: "DummyData"
  top: "data"
  top: "im_info"
  dummy_data_param 
    shape  dim: 1 dim: 3 dim: 224 dim: 224 
  

还有

input: "data"
input_shape: 
dim: 1
dim: 3
dim: 224
dim: 224

然后

layer 
  name: "conv1"
  type: "Convolution"
  bottom: "data" --> **here put data instead of input-data**
  top: "conv1"
  convolution_param 
    num_output: 96
    kernel_size: 3
    pad: 1
    stride: 1
  

至于自定义层，您必须找到一个等效层 在 Torch 中实现或自行实现

【讨论】：

当我删除prototxt中的损失层时，控制台显示如下：I0923 20:56:19.437440 23288 net.cpp:200] conv1 does not need backward computation.所有层都有保存消息。我不能使用torch来训练它。当我添加损失层，一切正常，当所有层都需要向后时，如何删除损失层？提前致谢。

我找到了解决方法，只需在最后一层添加loss_weight: 1即可。感谢您的帮助

当我使用net = caffe.Net('test.prototxt','test.caffemodel','train') 和net:getParameters() 得到netGradParameters。但我得到[torch.DoubleTensor with no dimension]，我不能在torch 中训练它。所以如果caffe 模型不能用火炬训练还是我用错误的方式训练它？