Neural network CAFFE：在FC层中使用较少的节点运行前向传递

我试图在Caffe中用一个非常简单的单隐层NN进行一个实验。我使用的是经过单个隐藏层（128个节点）训练的MNIST数据集。我已经从完全训练过的网络中获得了所有的权重

然而，在前馈阶段，我只想使用这些节点中较小的子集，即32或64。例如，我想计算在前馈过程中64个节点的激活并保存它们。然后在下一次运行期间，计算其他64个节点的激活度，并将它们与前64个节点的激活度相结合，这样我就得到了所有128个节点的激活度。因此，计算所有128个节点的激活，但在两个“过程”中

---

有没有办法在Caffe实现这一点？请原谅，我对Caffe很陌生（本周才开始使用！）

你为什么要这么做？@malreddysid嗨，我是作为实验的一部分来做的。我不想在我的帖子中详细说明这一点，这样就不会分散我的注意力。据我所知，Caffe不支持这一点。但是你可以写你自己的图层来做这件事。我也建议在这种情况下写一个自定义图层。您只需要实现选择过程，然后传递前馈激活和反向错误。如果您使用的是Python，请查看以下自定义层示例链接：，@DavidStutz嗨，David，谢谢！这似乎对我来说肯定是可行的，但是，是否有可能构建类似我正在尝试做的事情，即在第一次“通过”时计算32/128个节点的值，将它们保存在某个位置，然后运行下一个32，直到我得到完整的128个节点？我基本上是在尝试一次只计算32个节点，并逐步达到使用所有128个节点的全部精度。非常感谢。你为什么要这么做？@malreddysid嗨，我是作为实验的一部分来做的。我不想在我的帖子中详细说明这一点，这样就不会分散我的注意力。据我所知，Caffe不支持这一点。但是你可以写你自己的图层来做这件事。我也建议在这种情况下写一个自定义图层。您只需要实现选择过程，然后传递前馈激活和反向错误。如果您使用的是Python，请查看以下自定义层示例链接：，@DavidStutz嗨，David，谢谢！这似乎对我来说肯定是可行的，但是，是否有可能构建类似我正在尝试做的事情，即在第一次“通过”时计算32/128个节点的值，将它们保存在某个位置，然后运行下一个32，直到我得到完整的128个节点？我基本上是在尝试一次只计算32个节点，并逐步达到使用所有128个节点的全部精度。非常感谢。