Caffe Model Zoo官方文档翻译

最新推荐文章于 2020-01-06 16:30:15 发布

weixin_30596343

最新推荐文章于 2020-01-06 16:30:15 发布

阅读量152

点赞数

文章标签： python 人工智能

原文链接：http://www.cnblogs.com/zhang716921/p/9157607.html

版权

http://caffe.berkeleyvision.org/model_zoo.html

许多研究人员和工程师使用各种体系结构和数据为不同的任务设计了Caffe模型：可以查阅 model zoo！这些模型被学习并应用于解决简单回归、大规模视觉分类、图像相似性的连体网络，语音和机器人应用等各种问题。

为了帮助分享这些模型，下面介绍一下model zoo框架：
a. 一种封装Caffe模型信息的标准格式。
b.从Github Gist上传/下载模型信息的工具，也是下载训练好的.caffemodel二进制文件的工具。
c.用于共享模型信息Gist的中心维基页面。

Where to get trained models

首先，我们将BAIR-trained的模型绑定到不受限制的随时可用的模型中。有关详细信息，请参阅 BAIR model license 。每一个模型都可以通过运行一下命令下载获取：

scripts/download_model_binary.py <dirname> 其中<dirname>在下面指定:

a.在model/bvlc_reference_caffenet中的BAIR Reference CaffeNet：在ILSVRC 2012上进行训练，与Krizhevsky等人在NIPS 2012中 ImageNet classification with deep convolutional neural networks描述的版本略有不同。（由Jeff Donahue @jeffdonahue训练）

b.在models/bvlc_alexnet中的BAIR AlexNet：AlexNet在ILSVRC 2012上训练，几乎与Krizhevsky等人在NIPS 2012中 ImageNet classification with deep convolutional neural networks描述中使用的深卷积神经网络一样。（由Evan Shelhamer @shelhamer训练）

c.在models/bvlc_reference_rcnn_ilsvrc13中的BAIR Reference R-CNN ILSVRC-2013：如Girshick等人在CVPR 2014所述的 R-CNN的纯Caffe实现。（由Ross Girshick @ rbgirshick训练）

d.在model/bvlc_googlenet中的BAIR GoogLeNet：GoogLeNet在ILSVRC 2012训练，几乎与Szegedy等人在ILSVRC 2014 Going Deeper with Convolutions 中的描述一致。（由Sergio Guadarrama @sguada训练）

Caffe用户制作的Community models可以发布到公共可编辑 model zoo wiki page。这些模型受各自作者的条件限制，如引用和许可。

Model info format

一个caffe模型distributed为一个包含以下内容的目录:

Solver/model prototxt(s)
包含readme.md文件

a. YAML frontmatter:
a.1用于训练此模型Caffe版本（发布标记或提交哈希值）。
a.2[可选]训练得到的的.caffemodel的文件URL和SHA1。
a.3[可选] github gist id。
b.关于模型的训练数据，建模选项等信息
c.License信息。

[可选] 其他有用的脚本

这种简单的格式可以通过绑定脚本进行处理，或者在需要时手动处理。

Hosting model info

Github Gist是一个很好的模型信息分布格式，因为它可以包含多个文件，可版本化，并且具有在浏览器的语法突出显示和降价渲染。

命令scripts/upload_model_to_gist.sh <dirname> ：以Github Gist的形式上传模型目录中的非二进制文件并打印Gist ID。如果gist_id已经是<dirname>/readme.md frontmatter的一部分，那么就更新现有的Gist。

尝试执行 scripts/upload_model_to_gist.sh models/bvlc_alexnet以测试上传（不要忘记之后要删除上传的gist）。
使用 scripts/download_model_from_gist.sh <gist_id> <dirname>可以轻松下载模型信息。

Hosting trained models

在哪里托管.caffemodel文件是由用户决定的。我们将我们的BAIR提供的模型（BAIR-provided models）托管在我们自己的服务器上。 Dropbox也可以正常工作（提示：确保 ?dl = 1被追加到URL的末尾）。

命令scripts/download_model_binary.py <dirname> ：从<dirname>/readme.md frontmatter中指定的URL下载.caffemodel并确认SHA1。

BAIR model license

被发布的BAIR绑定的Caffe models可以无限制地使用。

这些模型在ImageNet项目的数据上训练，训练数据包括可能受版权保护的互联网照片。

作为研究人员，我们目前的理解是，不会限制对这些学习模型权重的公开发布，因为没有原始图像数据的全部或部分分布。在某种程度上的解释是，新的模型权重是原始版权持有者的衍生作品（并声明一个版权），加州大学伯克利分校没有声明允许使用什么，而是本着在传播知识和成为尽可能成为广泛而不受限制的工具的学术使命，合理使用。