找回密码
 注nanjixiong2017册

QQ登录

只需一步,快速开始

发表帖子

用python提取caffemodel网络参数并保存为二进制文件.bat

[复制链接]
本篇主要参考了jiarenyf的
Caffe学习:使用pycaffe读取caffemodel参数
但他博客中的只将数据写入了txt,由于自己工程需要使用.bat格式各层的网络参数,因此对其做了一些追加。
输入deploy和预先训练好的caffemodel。
输出:每层一个dat文件存放该层的网络参数。

由于不通工程需求不同,因此下面的代码还需要针对你需要的数据排列方式进行修改。以下仅供参考。
  1. # -*- coding: utf-8 -*-  
  2. """
  3. Created on Thu Apr 27 18:13:51 2017

  4. @author: fuwenyan
  5. """  
  6. import caffe  
  7. import struct  
  8. import numpy as np  
  9.   
  10. # 使输出的参数完全显示  
  11. # 若没有这一句,因为参数太多,中间会以省略号“……”的形式代替  
  12. np.set_printoptions(threshold='nan')  
  13.   
  14. # deploy文件  
  15. MODEL_FILE = 'deploy.prototxt'  
  16. # 预先训练好的caffe模型  
  17. PRETRAIN_FILE = 'model.caffemodel'  
  18.   
  19. # 保存参数的文件  
  20. params_txt = 'params.txt'  
  21. pf_txt = open(params_txt, 'w')  
  22.   
  23. # 让caffe以测试模式读取网络参数  
  24. net = caffe.Net(MODEL_FILE, PRETRAIN_FILE, caffe.TEST)  
  25.   
  26. # 遍历每一层  
  27. for param_name in net.params.keys():  
  28.     # 权重参数  
  29.     weight = net.params[param_name][0].data  
  30.     # 偏置参数  
  31.     bias = net.params[param_name][1].data  
  32.                        
  33. #    print param_name                  
  34. #    print 'weight.shape',weight.shape  
  35. #    print 'weight.dtype',weight.dtype  
  36. #    print 'bias.shape',bias.shape  
  37.       
  38.     pf_dat = open('./weight/'+param_name+'.dat', 'wb')  
  39.     len_w=len(weight.shape)  
  40.     if (len_w==4):##conv layer  
  41.         byte1=struct.pack('i',weight.shape[3])  
  42.         byte3=struct.pack('i',weight.shape[1])  
  43.         byte4=struct.pack('i',weight.shape[0])  
  44.         pf_dat.write(byte1)  
  45.         pf_dat.write(byte3)  
  46.         pf_dat.write(byte4)  
  47.     elif(len_w==2):##fc layer  
  48.         byte1=struct.pack('i',weight.shape[1])  
  49.         byte2=struct.pack('i',weight.shape[0])  
  50.         pf_dat.write(byte1)  
  51.         pf_dat.write(byte2)  
  52.            
  53.     # 该层在prototxt文件中对应“top”的名称  
  54.     pf_txt.write(param_name)  
  55.     pf_txt.write('\n')  
  56.   
  57.     # 写权重参数  
  58.     pf_txt.write('\n' + param_name + '_weight:\n\n')  
  59.     # 权重参数是多维数组,为了方便输出,转为单列数组  
  60.       
  61.     weight.shape = (-1, 1)  
  62. #    print 'weight.shape after:',weight.shape  
  63.          
  64.     for w in weight:  
  65.         pf_txt.write('%f, ' % w)  
  66.         pf_dat.write(w)  
  67.   
  68.     # 写偏置参数  
  69.     pf_txt.write('\n\n' + param_name + '_bias:\n\n')  
  70.     # 偏置参数是多维数组,为了方便输出,转为单列数组  
  71.     bias.shape = (-1, 1)  
  72.     for b in bias:  
  73.         pf_txt.write('%f, ' % b)  
  74.         pf_dat.write(b)  
  75.     pf_dat.close  
  76.     pf_txt.write('\n\n')  
  77.   
  78. pf_txt.close  
复制代码
出处http://blog.csdn.net/fuwenyan/article/details/70920114

使用道具 举报 回复
您需要登录后才可以回帖 登录 | 注nanjixiong2017册

本版积分规则