做了一个Caffe模型转tensorflow的实验,把ResNet模型和prototxt转为tensorflow模型和tensorflow代码,挺有意思的。
主要参考:
https://my.oschina.net/yilian/blog/672135
这个开源项目 caffe-tensorflow 提供了caffe转tensorflow的功能:
https://github.com/ethereon/caffe-tensorflow
1. 环境准备
环境:Pytcaffe, tensorflow
因为我的Anaconda是有一个单独的tensorflow环境,在此环境中增加Pycaffe是有问题的,因此另加了一个环境:
conda create -n caffe-tf python=2 tensorflow caffe
Anaconda会自动安装一个同时具备caffe和tensorflow的环境,等待安装完成,激活环境:
source activate caffe-tf
2. 使用开源转换
解压caffe-tensorflow到某个目录,并进入。
这里以ResNet101为例(https://github.com/BVLC/caffe/tree/b590f1d27eb5cbd9bc7b9157d447706407c68682/models/bvlc_googlenet)
下载模型:
curl http://ethereon.github.io/netscope/#/gist/b21e2aae116dc1ac7b50 -o ResNet-101-model.caffemodel
下载模型配置:
下载此项目 https://github.com/BVLC/caffe/tree/b590f1d27eb5cbd9bc7b9157d447706407c68682/models/bvlc_googlenet
转换只需一个指令:
./convert.py ResNet-101-deploy.prototxt --caffemodel ResNet-101-model.caffemodel --code-output-path=ResNetTensorflow.py --data-output-path=ResNetTensorflow_2.npy
code和data需同时输出,否则单独输出code会报错:
....
transformer.py", line 149, in map_batch_norm
scale_offset = len(node.data) == 4
TypeError: object of type 'NoneType' has no len()
这是参考材料中的一个错误,也是这个开源的一个缺陷,绕过即可。
3. 使用转换的模型做预测
caffe-tensorflow里有一个很好的example,见:
path-caffe-tensorflow/examples/imagenet
说明: https://github.com/ethereon/caffe-tensorflow/tree/master/examples/imagenet
调用模型:
$ ./classify.py /path/to/googlenet.npy ~/pics/kitty.png ~/pics/woof.jpg
可得到预测结果:
Image Classified As Confidence
----------------------------------------------------------------------
kitty.png Persian cat 99.75 %
woof.jpg Bernese mountain dog 82.02 %
测试了一下用自己转换的模型预测:
1. 首先把转换的模型代码拷贝入imagenet/models目录
2. 修改models/helper.py
2.1 增加引入
from MyModel import xmodel
2.2 在MODELS 枚举里增加 xmodel
2.3 在MODEL_DATA_SPECS里增加对batchsize的配置
3. 拷贝一份imagenet/classify.py,修改为使用自己的模型(原始的classify.py是用Googlenet的)
替换所有的models.GoogleNet为models.xmodel
4. 执行:
./classify_xmodel.py /path/to/xmodel.npy ~/pics/kitty.png ~/pics/woof.jpg
预测结果类似如下:
Image Classified As Confidence
----------------------------------------------------------------------
n03792782_52.JPEG mountain bike, all-terrain bike, off-roader 98.98 %
n03803284_28.JPEG muzzle 99.71 %
n03804744_1.JPEG nail 75.82 %
总结,caffe-tensorflow转换还是很好用的,官方的example也能帮我们快速学习到tensorflow调用转换后模型的方式,done。