Caffe Python 接口 API

Caffe 有 Python 和 Matlab 接口，都可以用于直接调用底层的 Caffe 函数（C++ 实现）。而且 Python 接口可以用于编写脚本，生成自定义的 prototxt 文件，即网络结构定义文件。

一些大型网络比较深，而且结构复杂，比如 ResNet 和 DenseNet，一层一层的编辑 prototxt 文本文件太过繁琐，而且修改起来也很麻烦。如果使用代码能快速生成网络结构的话，可以节约大量的时间。实现这样的代码并不复杂，只是介绍关于这一类的函数的内容太少。此文就是介绍这一类的接口函数 API 。

首先创建一个 *.py 文件，在其中开始输入代码：

from __future__ import print_function
import sys
# your caffe path
sys.path.append('.../caffe/python')
from caffe import layers as L, params as P, to_proto
import caffe

导入 Caffe 的 Python 包完成之后，即可开始编写定义网络结构的代码。注：需要 Caffe 顺利编译成功，而且 pycaffe 接口也要编译通过，否则会报错。

首先定义一个网络变量（Python 的好处就是不需要指定数据类型，和 Caffe 的 blob 类似）：

net = caffe.NetSpec()

网络数据层的定义：

# for training
net.data, net.label = L.HDF5Data(hdf5_data_param={'source': '/data/path/', 'batch_size': 32}, 
								 include={'phase': caffe.TRAIN}, ntop=2)
# for validation
net.data, net.label = L.HDF5Data(hdf5_data_param={'source': '/data/path/', 'batch_size': 32}, 
								 include={'phase': caffe.TEST}, ntop=2)    	
# for testing the pretrained network, a dummy input data layer; 
# no label; dim = [num, channel, width, height]								 							 
net.data = L.Input(shape=dict(dim=[1,3,24,24])， ntop=1)

卷积层定义：

net.conv = L.Convolution(net.data, num_output=64, kernel_size=3, stride=1, pad=1,
                         bias_term=False, weight_filler=dict(type='msra'), bias_filler=dict(type='constant'))

反卷积层定义：

# deconvolution for 2x upsample
net.deconv = L.Deconvolution(net.conv, convolution_param=dict(
			    num_output=64, kernel_size=4, stride=2, pad=1, bias_term=False,
			    weight_filler=dict(type='msra'), bias_filler=dict(type='constant')))

ReLU 层定义：

net.relu = L.ReLU(net.conv, in_place=True)

Dropout 层定义：

net.drop = L.Dropout(net.relu, dropout_ratio=0.1)

连接（特征组合）操作：

net.concate = L.Concat(net.conv1, net.conv2, axis=1)

求和、求积操作：

# elementwise summation
net.sum = L.Eltwise(net.conv1, net.conv2)
# elementwise product
net.conv = L.Eltwise(net.conv, net.omega, eltwise_param={'operation': 0})

损失函数层定义：

net.loss = L.EuclideanLoss(net.reconstruct, net.label)

将定义好的 net 输出到 prototxt 文件中：

with open('/file/path/*.prototxt', 'w') as f:
        print(str(net.to_proto()), file=f)

运行 *.py 文件之后，网络结构文件 prototxt 即生成，可用于训练和测试。其中的内容可以用 NetScope 实现可视化，有助于直观地分析网络结构，尤其是网络较深或结构复杂的情况。