caffe和vgg-16和googlenet的区别

Posted 2023-02-27

三者都属于深度学习领域的术语。
caffe是目前在图像领域应用最为广泛的深度学习平台，许多国内外的大牛都使用caffe做为实验平台，主要原因个人认为有两个，一是caffe发展较早，随着时间的积累积聚了大量的深度学习研究成果，例如能够直接运行的代码和使用预先训练好的模型，可以很方便的进行实验；二是后人如果想与之前的方法进行比较，就需要保持除方法外的其它因素一致，如所使用的数据以及实验使用的平台。
vgg-16是一种深度卷积神经网络模型，16表示其深度，是alexnet后比较有代表性的深度模型之一，在图像分类等任务中取得了不错的效果
googlenet是google设计的一种深度卷积神经网络模型，第一版深度可至22层，这一网络采纳了稀疏学习的思想，通过稀疏网络的参数来加大网络规模。
类似caffe的平台还有tensorflow, theano, torch, paddle等等
类似vgg-16和googlenet这样的网络结构更是多种多样，比较有代表性的就是alexnet, resnet 参考技术A 只在Linux环境下用过Caffe，（官方似乎还没给出Windows版本，但有人给出了解决方案：niuzhiheng/caffe · GitHub）。

Caffe提供了MATLAB接口，可以直接读取caffemodel中的模型参数，之后想怎么存就是你自己的事啦。以CaffeNet为例：

% add path for caffe's matlab interface
addpath('~/Deep.Learning/caffe-master/matlab');

% define constant variables
kLayerIndConv = 1; % conv_1
kLayerIndFCnt = 16; % fc_6
kProtoFilePath = './deploy.prototxt';
kModelFilePath = './bvlc_alexnet.caffemodel';

% load caffe model
caffeNet = caffe.Net(kProtoFilePath, kModelFilePath, 'test');

% read parameters in the <conv_1> layer
convKnlLst = caffeNet.layer_vec(kLayerIndConv).params(1).get_data();
biasVecLst = caffeNet.layer_vec(kLayerIndConv).params(2).get_data();

% read parameters in the <fc_6> layer
fcntWeiMat = caffeNet.layer_vec(kLayerIndFCnt).params(1).get_data();
biasVecLst = caffeNet.layer_vec(kLayerIndFCnt).params(2).get_data();

% reset caffe model
caffe.reset_all();

具体的参数编号（params的输入参数），是在prototxt文件定义的。

深度学习与CV教程 | 典型CNN架构 (Alexnet,VGG,Googlenet,Resnet等)

本文讲解最广泛使用的卷积神经网络，包括经典结构（AlexNet、VGG、GoogLeNet、ResNet）和一些新的结构（Network in Network、Resnet改进、FractalNet、DenseNet）等【对应 CS231n Lecture 9】

本文讲解最广泛使用的卷积神经网络，包括经典结构（AlexNet、VGG、GoogLeNet、ResNet）和一些新的结构（Network in Network、Resnet改进、FractalNet、DenseNet）等【对应 CS231n Lecture 9】