- #!/usr/bin/env python
- # 引入“咖啡”
- import caffe
- import numpy as np
- # 使输出的参数完全显示
- # 若没有这一句,因为参数太多,中间会以省略号“……”的形式代替
- np.set_printoptions(threshold='nan')
- # deploy文件
- MODEL_FILE = 'caffe_deploy.prototxt'
- # 预先训练好的caffe模型
- PRETRAIN_FILE = 'caffe_iter_10000.caffemodel'
- # 保存参数的文件
- params_txt = 'params.txt'
- pf = open(params_txt, 'w')
- # 让caffe以测试模式读取网络参数
- net = caffe.Net(MODEL_FILE, PRETRAIN_FILE, caffe.TEST)
- # 遍历每一层
- for param_name in net.params.keys():
- # 权重参数
- weight = net.params[param_name][0].data
- # 偏置参数
- bias = net.params[param_name][1].data
- # 该层在prototxt文件中对应“top”的名称
- pf.write(param_name)
- pf.write('\n')
- # 写权重参数
- pf.write('\n' + param_name + '_weight:\n\n')
- # 权重参数是多维数组,为了方便输出,转为单列数组
- weight.shape = (-1, 1)
- for w in weight:
- pf.write('%ff, ' % w)
- # 写偏置参数
- pf.write('\n\n' + param_name + '_bias:\n\n')
- # 偏置参数是多维数组,为了方便输出,转为单列数组
- bias.shape = (-1, 1)
- for b in bias:
- pf.write('%ff, ' % b)
- pf.write('\n\n')
- pf.close
使用pycaffe读取caffemodel参数(保存到txt文件)
最新推荐文章于 2021-10-24 23:50:51 发布