Keras 使用PyCaffe的全连接多层感知器

我是Caffe的新手，它的工作流程与我以前遇到的非常不同。我以前用过，（C++）来做神经网络，我想用Caffe，因为它提供了一些额外的东西。但工作流程似乎很难适应

我想从一个使用PyCaffe的简单、完全连接的MLP开始。我想给它一个N维输入向量，并对这些向量进行多标签分类。我有训练数据。所有的Caffe示例似乎都是为图像（方阵输入）编写的。
我还喜欢以编程方式配置网络，而不是使用大量配置文件。例如，Keras有一种使用

add（）

顺序堆叠层的方法

---

是否可以仅使用Python在Caffe中构建一个简单的网络？

您应该查看

Caffe.NetSpec（）

接口：这允许您以编程方式构建网络。例如：

from caffe import layers as L, params as P, to_proto
import caffe

ns = cafe.NetSpec()

ns.fc1 = L.InnerProduct(name='fc1', inner_product_param={'num_output':100,
                                                         'weight_filler':{'type':'xavier','std':0.1},
                                                         'bias_filler':{'type':'constant','value':0}},
                                    param=[{'lr_mult':1,'decay_mult':2},
                                           {'lr_mult':2,'decay_mult':0}])
ns.relu1 = L.ReLU(ns.fc1, inplace=True)