咖啡/ pycaffe备忘单？

有谁知道是否有所有重要的pycaffe命令的备忘单？我到目前为止只能通过Matlab接口和terminal+ bash脚本来使用caffe。

我想转向使用ipython，并通过ipython笔记本的例子。然而，我发现很难得到python模块中的所有函数的概述。（我也是相当新的python）。

pycaffetesting和这个文件是python编码接口的主要网关。

首先，你想select是否使用与CPU或GPU的Caffe。分别调用caffe.set_mode_cpu()或caffe.set_mode_gpu()就足够了。

净

pycaffe接口暴露的主要类是Net 。它有两个构造函数：

 net = caffe.Net('/path/prototxt/descriptor/file', caffe.TRAIN)

它只是创build一个Net （在这种情况下使用指定的训练数据层 ），或

 net = caffe.Net('/path/prototxt/descriptor/file', '/path/caffemodel/weights/file', caffe.TEST)

它会创build一个Net并自动加载所提供的caffemodel文件中保存的权重 – 在这种情况下，使用指定用于testing的数据层 。

一个Net对象有几个属性和方法。他们可以在这里find。我会引用我经常使用的那些。

您可以通过Net.blobs访问networkingblob。例如

 data = net.blobs['data'].data net.blobs['data'].data[...] = my_image fc7_activations = net.blobs['fc7'].data

您也可以以类似的方式访问参数（权重）。例如

 nice_edge_detectors = net.params['conv1'].data higher_level_filter = net.params['fc7'].data

好的，现在是时候用一些数据为networking提供服务了。所以，你将使用backward()和forward()方法。所以，如果你想分类一个单一的形象

 net.blobs['data'].data[...] = my_image net.forward() # equivalent to net.forward_all() softmax_probabilities = net.blobs['prob'].data

如果对计算梯度感兴趣，则backward()方法是等价的。

您可以保存净重以便随后重新使用它们。这只是一个问题

  net.save('/path/to/new/caffemodel/file')

由pycaffe暴露的另一个核心组件是Solver 。有几种types的解算器，但为了清楚起见，我将只使用SGDSolver 。培训咖啡模型是必要的。你可以使用实例化求解器

 solver = caffe.SGDSolver('/path/to/solver/prototxt/file')

Solver将封装你正在训练的networking，如果存在的话，用于testing的networking。请注意，它们通常是相同的networking，只能使用不同的数据层 。 networking可以访问

  training_net = solver.net test_net = solver.test_nets[0] # more than one test net is supported

然后，你可以执行求解迭代，也就是说，带有权重更新的向前/向后传递，只需键入

  solver.step(1)

或者运行求解器直到最后一次迭代

  solver.solve()

请注意pycaffe允许你做更多的事情，例如通过Python类指定networking体系结构或创build一个新的Layertypes 。这些function使用较less，但通过阅读testing案例，这些function非常容易理解。

请注意，弗拉维奥费拉拉的答案有一个小问题，这可能会导致你浪费了很多时间：

 net.blobs['data'].data[...] = my_image net.forward()

如果你的第一层是数据types层，上面的代码是无效的，因为当net.forward()时，它将从第一层开始，然后你的插入数据my_image将被覆盖。所以它会显示没有错误，但给你完全不相关的输出。正确的方法是分配开始和结束图层，例如：

net.forward(start='conv1', end='fc')

这是一个Github的LFW数据集的人脸validation实验库，使用pycaffe和一些matlab代码。我想这可以帮助很多，特别是caffe_ftr.py文件。

另外，下面是一些使用pycaffe进行图像分类的简单示例代码：