Caffe LENET 或 Imagenet 模型中的参数数量答案

【问题标题】：number of parameters in Caffe LENET or Imagenet modelsCaffe LENET 或 Imagenet 模型中的参数数量
【发布时间】：2015-08-04 21:11:57
【问题描述】：

如何计算模型中的参数数量，例如LENET 用于 mnist，或 ConvNet 用于 imagent 模型等。 caffe 中是否有任何特定函数可以返回或保存模型中的参数数量。问候

【问题讨论】：

在将 CNN 加载到变量 net 后查看 net.params。它包含每一层的参数（权重和偏差）。
你知道caffe使用终端的命令吗？但是我找到了farmula。即过滤器 x 通道 x Kernel_Width x Kernel_Height + Bias's 。这将为您提供一层参数。对其他人也是如此。但是我需要使用终端在 caffe 中使用任何命令，例如在 matlab 我们有 numel(net.params) 你可以说。
在 caffe 的 github 上有一个开放的 feature request 用于此功能。
感谢您提出请求。
@khan 似乎没有人接受这个功能请求。如果其他人能在 github 上对该线程发表评论以引起 caffe 社区的注意，那就太好了。

标签： computer-vision neural-network deep-learning caffe matcaffe

【解决方案1】：

这是一个 python sn-p 来计算 Caffe 模型中的参数数量：

import caffe
caffe.set_mode_cpu()
import numpy as np
from numpy import prod, sum
from pprint import pprint

def print_net_parameters (deploy_file):
    print "Net: " + deploy_file
    net = caffe.Net(deploy_file, caffe.TEST)
    print "Layer-wise parameters: "
    pprint([(k, v[0].data.shape) for k, v in net.params.items()])
    print "Total number of parameters: " + str(sum([prod(v[0].data.shape) for k, v in net.params.items()]))

deploy_file = "/home/ubuntu/deploy.prototxt"
print_net_parameters(deploy_file)

# Sample output:
# Net: /home/ubuntu/deploy.prototxt
# Layer-wise parameters: 
#[('conv1', (96, 3, 11, 11)),
# ('conv2', (256, 48, 5, 5)),
# ('conv3', (384, 256, 3, 3)),
# ('conv4', (384, 192, 3, 3)),
# ('conv5', (256, 192, 3, 3)),
# ('fc6', (4096, 9216)),
# ('fc7', (4096, 4096)),
# ('fc8', (819, 4096))]
# Total number of parameters: 60213280

https://gist.github.com/kaushikpavani/a6a32bd87fdfe5529f0e908ed743f779

【讨论】：

【解决方案2】：

我可以通过 Matlab 界面提供一种明确的方法来执行此操作（确保首先安装 matcaffe）。基本上，您从每个网络层中提取一组参数并计算它们。在 Matlab 中：

% load the network
net_model = <path to your *deploy.prototxt file>
net_weights = <path to your *.caffemodel file>
phase = 'test';
test_net = caffe.Net(net_model, net_weights, phase);

% get the list of layers
layers_list = test_net.layer_names;
% for those layers which have parameters, count them
counter = 0;
for j = 1:length(layers_list),
    if ~isempty(test_net.layers(layers_list{j}).params)
    feat = test_net.layers(layers_list{j}).params(1).get_data();
    counter = counter + numel(feat)
    end
end

最后，“计数器”包含参数的数量。

【讨论】：