caffemodel修改 layer name，修改参数层

在实际训练和落地时，有时候拿到的caffemodel并不合适，需要进行简单的修改，这里写下自己用到的几个地方。

基于caffe 的卷积神经网络模型训练后得到的权值是通过Google Protobuf来存储的后缀名为.caffemodel的二进制文件，这类文件一般很难直接打开进行权值的读取和修改。有的时候我们希望直观的看到网络中每个神经元的权值，或者希望更改网络的部分结构来得到新的结构进行finetune。在这样的情况下我们就需要对caffemodel文件进行操作。好在caffe的python接口提供了针对caffemodel文件的修改方法，用户可以从caffemodel文件中读取参数，并对参数进行修改以得到新的caffemodel文件。

1.修改layer name

这个是比较常见的，比如训练好的模型layer name不符合落地要求或训练要求需要修改，例如将所有layer name的‘.’替换掉。

layer {
  name: "conv0.0"
  type: "Convolution"
  bottom: "conv0.0"
  top: "conv0.1"
}

我们需要将protxt和caffemodel的name都进行修改，这里写下运行脚本。

import sys
caffe_root = '/home/xx/xx/caffe/python'
sys.path.insert(0, caffe_root)
import caffe

model_old = "model"
modelconfig_old = "modelprotxt"
modelconfig_new = "modelprotxt_new"

net_old = caffe.Net(modelconfig_old, model_old, caffe.TEST)
net_new = caffe.Net(modelconfig_new, model_old, caffe.TEST)

# 重新生成protxt
file = open(modelconfig_old, 'r')
file_new = open("modelconfig_new", 'w')
for line in file.readlines():
    if line.find("name") != -1:
        name = line.replace('.','_')
        file_new.write(name)
    else:
        file_new.write(line)
file_new.close()

#重新生成caffemodel并赋值
for layer_name, param in net_old.params.iteritems():
    new_name = layer_name.replace('.','_')
    n = len(param)
    for i in range(n):
        net_new.params[new_name][i].data[...] = param[i].data[...]
net_new.save("model_new.caffemodel")

注意！！！这里必须迭代赋值

for i in range(n):
    net_new.params[new_name][i].data[...] = param[i].data[...]


#直接赋值，模型会报错
net_new.params[new_name] = param

但是这种方法的弊端也很明显，这种方法只能在原有的结构上进行权值的修改，而不能对原有结构进行修改，比如，删除原有结构中的某一层或增加新的层，或更改原有层的维度等。