Machine learning 如何通过Pycaffe获得图层的输出形状_Machine Learning_Neural Network_Deep Learning_Caffe_Pycaffe

Machine learning 如何通过Pycaffe获得图层的输出形状

machine-learning neural-network deep-learning

Machine learning 如何通过Pycaffe获得图层的输出形状,machine-learning,neural-network,deep-learning,caffe,pycaffe,Machine Learning,Neural Network,Deep Learning,Caffe,Pycaffe,标题已经包含了一个完整的问题：如何使用Pycaffe获得Caffe模型给定层的输出形状我有一个caffe.Net（）对象，现在我需要模型中特定层的输出形状。给定层名称，可以通过以下方式获取其索引： l_idx = list(net._layer_names).index(my_layer_name) 一旦您有了l_idx，您就可以得到它的输出（也称为“top”s）：对于每个“top”，您都可以获得信息 for tn in tops: print "output name {} has

标题已经包含了一个完整的问题：如何使用Pycaffe获得Caffe模型给定层的输出形状

我有一个

caffe.Net（）

对象，现在我需要模型中特定层的输出形状。

给定层名称，可以通过以下方式获取其索引：

l_idx = list(net._layer_names).index(my_layer_name)

一旦您有了

l_idx

，您就可以得到它的输出（也称为

“top”

s）：

对于每个

“top”

，您都可以获得信息

for tn in tops:
  print "output name {} has shape {}".format(tn, net.blobs[tn].data.shape)

可以找到关于如何通过pycaffe接口访问网络结构的更详细示例

for tn in tops:
  print "output name {} has shape {}".format(tn, net.blobs[tn].data.shape)