深度学习（五十八）caffe移植至mxnet

一、模型转换

#**mxnet编译**

1.下载mxnet:git clone https://github.com/dmlc/mxnet.git --recursive
2. 编译mxnet
```
cd mxnet
make -j8
```

可以得到lib文件夹下面的：libmxnet.so ，后面只需要该链接库，然后还有头文件：c_predict_api.h 即可调用mxnet


#**caffe模型转换**

 1. 打开文件夹caffe_converter
```
cd mxnet/tools/caffe_converter
protoc --python_out=./ ./caffe.proto
```
 2. 编辑convert_model.py
```
sudo vim convert_model.py
```
在文件最开始处加入caffe、mxnet的python路径：
```
import sys
sys.path.append("../../python/")
sys.path.insert(0,'/home/hjimce/tools/caffe/python')
```

 3.输入命令

 ```
 python convert_model.py net.prototxt train.caffemodel newmodel
 ```
 就可以得到mxnet网络模型.json，参数文件.params
 后续可直接调用。convert_mean.py对于mean均值文件的转换，也可采用faceattribute1.0进行转换，保存成opencv可读文件
 
#**编译主程序**
复制mxnet所需文件:```c_predict_api.h、libmxnet.so```
复制模型转换文件：.json、.params、以及均值文件mean.xml,即可进行程序预测识别

二、外部cmake链接引用

set(USE_CUDA OFF)
set(USE_CUDNN OFF)

add_subdirectory("./3dparty/mxnet/")
target_link_libraries(faceattribute  ${OpenCV_LIBS} mxnet)#链接mxnet库

三、外部API代码引用

//std::cout<<"load model finish"<<std::endl;
cv::Mat faceimage=Get_face(image,facerect,scalex,scaley);
cv::imshow("mouth.jpg",faceimage);
//cv::imwrite("eye.jpg",faceimage);

cv::Mat network_input_image=Std_net_image(faceimage,orisize, orisize,m_network_input_size , m_network_input_size);
int channels = 3;
int width = m_network_input_size;
int height = m_network_input_size;
int image_size=channels*width*height;



std::vector<mx_float> input_channels = std::vector<mx_float>(image_size);
preprocess(network_input_image, m_mean, 3, input_channels.data());
//std::cout<<"process image finish"<<std::endl;

clock_t begin = clock();
MXPredSetInput(m_network, "data", input_channels.data(), image_size);
MXPredForward(m_network);
mx_uint output_index = 0;
mx_uint *shape = 0;
mx_uint shape_len;
MXPredGetOutputShape(m_network, output_index, &shape, &shape_len);
size_t size = 1;
for (mx_uint i = 0; i < shape_len; ++i) size *= shape[i];
std::vector<float> result(size);
MXPredGetOutput(m_network, output_index, &(result[0]), size);
//


//vector<float> sorted(result.begin(), result.end());
int top_n = m_labels.size();
//partial_sort(sorted.begin(), sorted.begin() + top_n, sorted.end(), greater<float >());
std::vector<std::pair<string, float>>outputs;
for (int i = 0; i < top_n; i++) {
   // size_t idx = distance(result.begin(), find(result.begin(), result.end(), sorted[i]));
    outputs.push_back(std::pair<string, float>(m_labels[i],result[i]));
}

四、使用Amalgamation

cd 到mxnet的Amalgamation模块，输入：

make MIN=1

即将生成文件：mxnet_predict-all.cc。不过生成后，引用的时候，我拉取到的版本存在一堆bug，出现的一些问题，通过自己修改mxnet_predict-all.cc文件后，才能用。具体一些修改如下

１、干掉文件中：

//=====[213] STAGE: src     EXPANDING: ../src/ndarray/autograd.h =====

后面的所有实现函数。

２、修改：

#define DMLC_LOG_STACK_TRACE １

为：

#define DMLC_LOG_STACK_TRACE 0

３、修改：

inline int MXAPIHandleException(const dmlc::Error &e) {
  MXAPISetLastError(e.what());
  return -1;
}

为：

inline int MXAPIHandleException(const dmlc::Error &e) {
  //MXAPISetLastError(e.what());
  return -1;
}