Python 图层删除和更新caffe模型

我需要从现有的caffe模型中更新caffe模型，在该模型中我将删除最后两层。需要减小caffe模型的尺寸，以使其更易于部署，且尺寸更小。假设我现有的caffe模型是A1.caffemodel，它有5个卷积层和3个完全连接层。我想从中生成一个名为B1.caffemodel的新模型，该模型将有5个卷积层和1个完全连接层（最后2个fc层被丢弃）

---

我感谢您所有有价值的建议和有用的代码片段

完全连接的层确实可能非常重。请参阅“3.1截断SVD以提高检测速度”一节，介绍如何使用技巧显著降低完全连接层的负担。因此，您可以将三个完全连接的层替换为6个非常薄的层

从型号

A

到

B

的步骤：

创建具有5个卷积层的

B.prototxt

，与

A

具有相同的

“名称”

s

为

B

中的单个完全连接层提供一个新的

名称
，该名称在
a
中不存在

用python

import caffe
B = caffe.Net('/path/to/B.prototxt', '/path/to/weights_A.caffemodel', caffe.TEST)
B.save('/path/to/weights_B.caffemodel')

现在，对于所有卷积层，

B

的权重与

A

的权重相同，对于新的单个完全连接层，random的权重相同

从

'/path/to/weights\u B.caffemodel'

开始微调模型

B

，以了解新的单个完全连接层的权重

---

C++实现：

    Net<float> caffe_net("B.prototxt", caffe::TEST);
    caffe_net.CopyTrainedLayersFrom("A.caffemodel");

    caffe::NetParameter net_param;
    caffe_net.ToProto(&net_param);
    caffe::WriteProtoToBinaryFile(net_param, "B.caffemodel");

Net-caffe\u-Net（“B.prototxt”，caffe:：TEST）；
caffe_net.copyratedLayers from（“A.CAFFEFOModel”）；
caffe:：NetParameter net_param；
caffe_net.ToProto（&net_param）；
caffe:：WriteProtoToBinaryFile（net_参数，“B.caffemodel”）；

想到这一点，您可以跳过步骤3和步骤4，使用

-weights/path/to/weights\u A从命令行微调
B
。caffemodel

：caffe将自动从weights\u A获取所有卷积层（它们具有相同的“名称”）的参数，并随机初始化新的完全连接层（因为它在<代码> WebStIA<代码>中找不到它的名字。C++的步骤3中的实现。