pycaffe使用（第三篇）——对于blob数据类型的说明

# -*- coding: UTF-8 -*-
__author__ = 'xuy'


import os
import numpy as np

import caffe

caffe_root='/home/xuy/caffe'

os.chdir(caffe_root)






"""
对于caffe的硬件进行设置：是使用cpu还是使用gpu
"""
USE_GPU=True
if USE_GPU:
    caffe.set_device(0)
    caffe.set_mode_gpu()
else:
    caffe.set_mode_cpu()


net=caffe.Net("examples/mnist/lenet_train_test.prototxt",caffe.TRAIN)

"""
用来查看网络结构层次：查看层的名字以及层的类型

"""

for name,layer in zip(net._layer_names,net.layers):#用来查看层的名字+层的类型
    print "%s  : %s : %d blobs"%(name,layer.type,len(layer.blobs))




"""
前面还有一些读取lenet_train_test.prototxt的内容
输出结果
mnist  : Data : 0 blobs
conv1  : Convolution : 2 blobs
pool1  : Pooling : 0 blobs
conv2  : Convolution : 2 blobs
pool2  : Pooling : 0 blobs
ip1  : InnerProduct : 2 blobs
relu1  : ReLU : 0 blobs
ip2  : InnerProduct : 2 blobs
loss  : SoftmaxWithLoss : 0 blobs
"""

"""
输出某一个具体层的blobs的数量,这里就输出了ip层（全连接层）的blobs的数量
"""

print len(net.params["ip1"])



"""
用来输出blobs数据的内容

----------------------------------------------------------
blobs.data输出的是若干的矩阵， 用于存储原始数据(see forward propagation)
blobs.data.shape输出的是对于该矩阵的大小的描述
blobs.diff输出的是若干矩阵，用于存储反向传播的梯度的更新值(see backward propagation)
blobs.diff.shape的输出和blobs.data.shape相同


输出内容是：

data  : (64, 1, 28, 28)
label  : (64,)
conv1  : (64, 20, 24, 24)
pool1  : (64, 20, 12, 12)
conv2  : (64, 50, 8, 8)
pool2  : (64, 50, 4, 4)
ip1  : (64, 500)
ip2  : (64, 10)
loss  : ()
这里如果没有输出结果的话，默认为1
-----------------------------------------------------------------------
blobs.num指的是：元素的个数，通常来说是batch_size
channels, height, width,再结合上面的num属性，结合起来就相当于blobs.data.shape
  print "%s   %s   %s    %s"%(blob.num,blob.channels, blob.height, blob.width)

输出内容是：
64   1   28    28
64   1   1    1
64   20   24    24
64   20   12    12
64   50   8    8
64   50   4    4
64   500   1    1
64   10   1    1
1   1   1    1

------------------------------------------------------------------------
blob.count:是指的是：输出num * channels * height * width的值


输出内容是：

50176
64
737280
184320
204800
51200
32000
640
1
"""

print "\n\n"
print "Blobs:"

print "\n\n"
for name,blob in net.blobs.iteritems():
    # print "%s   %s   %s    %s"%(blob.num,blob.channels, blob.height, blob.width)
    # print "%s %s %s "%(blob.num,blob.count,blob.diff)

    print blob.diff.shape


"""

读取blob attributes的内容
"""

print "blob attributes"

for e in dir(net.blobs['label']):
    if not e.startswith("__"):
        print "%s"%e,

"""
输出结果：

channels count data diff height num reshape shape width

"""

print "\n"

"""

输出mnist的top的内容
"""
print net.top_names["mnist"]