tensorflow模型转化为caffe模型并调用预测

tensorflow模型转化为caffe模型并调用预测

本文一共分为三个部分首先根据tensorflow的网络结构代码写caffe的deploy.prototxt,再用python代码写XXXX.caffemodel文件,最后调用caffe模型进行预测.

根据tensorflow的网络结构代码写caffe的deploy.prototxt

写完之后可以将代码输入到这里(工具)检测写法是否正确:
验证工具
书写规则如下,我给的每一种类型的其参数是必须写的参数,如果想知道每一层更详细的参数,可以参考:caffe网络结构详解下载
Name是每一层的名字,top是经过这一层数据传向的层,bottom这一层的上一层数据
(1)输入层Input:

layer {
  name: "input"
  type: "Input"
  top: "data"
  input_param {
    shape {
      dim: 1
      dim: 32
      dim: 1
      dim: 1
    }
  }
}

一定要指定shape层,第一个dim为batchsize也就是一次性可以处理多少个数据,第二个dim为channel,如果处理的是图像也就是图片的通道数.如果处理的是向量,这个就是向量的长度,第三个dim为图像的高度,第四个dim为图像的宽度.如果是向量则第三第四都为1.
(2)全连接层InnerProduct

layer{
    name:"linear"
    type:"InnerProduct"
    bottom:"data"
    top:"linear"
    inner_product_param {
      num_output: 1024
   }
}

num_output是下一层向量数目
(3)BatchNorm层

layer {
   bottom: "linear"
   top: "bn1"
   name: "bn1"
   type: "BatchNorm"
   batch_norm_param {
      use_global_stats: true
   }
}