如何在 C++ 中加载 caffe 模型进行预测答案

【问题标题】：How to load caffe model in c++ for predicition如何在 C++ 中加载 caffe 模型进行预测
【发布时间】：2016-11-26 12:23:01
【问题描述】：

到目前为止，我一直在 Python 上使用 Caffe，现在我正在尝试使用 C++ 来熟悉自己。

我所做的是尝试通过计算特征并通过 HDF5 层加载来探索 caffe FC 层。我已经训练了模型，它使用以下代码与 python 配合得很好：

caffe.set_device(0)
caffe.set_mode_gpu()
net = caffe.Net(proto_file, caffe_model, caffe.TEST)    
feats, labels = get_features('test/test.txt')   #AlexNet features
for feature, label in zip(feats, labels):
    net.blobs['data'].data[...] = feature
    output = net.forward()
    output_prob = output['loss'][0]
    print output_prob.argmax(), ", ", label

使用这个 python 代码，我可以检查它，它工作得很好。

我正在尝试用 C++ 编写代码来做同样的预测。这一行

net.blobs['data'].data[...] = feature

有点棘手，我不能在 c++ 中做同样的事情：如何在 c++ 中将特征加载到数据层：

到目前为止，我的 C++ 代码是：

    caffe::Caffe::SetDevice(0);
    caffe::Caffe::set_mode(caffe::Caffe::GPU);
    boost::shared_ptr<caffe::Net<float> > net_;
    net_.reset(new caffe::Net<float>(model_file, caffe::TEST));
    net_->CopyTrainedLayersFrom(trained_file);

    std::cout << "LOADED CAFFE MODEL\n";
    LOG(INFO) << "Blob size: "<< net_->input_blobs().size();

This caffe example 很有用，但它会加载图像然后分离通道。就我而言，我有来自 AlexNet 的 4096-D 特征向量，我想像在 Python 代码中一样直接加载它。

【问题讨论】：

标签： c++ machine-learning neural-network deep-learning caffe

【解决方案1】：

根据名称获取blob索引：

const std::vector<std::string>& blob_names_ = net_->blob_names();
auto it = std::find(blob_names_.begin(), blob_names_.end(), "data");
int index = -1;
if (it == blob_names_.end())
{
    // no "data" blob, do error handling
}
else
{
    index = std::distance(blob_names_.begin(), it);
}

（当然你也可以通过遍历blob_names_得到索引，然后比较每一项）。

更改 blob 数据：

float* feature = your_func_to_get_feature(); // custom this
caffe::Blob<float>*>& blob_to_set_ = net_->blobs()[index];
blob_to_set_->set_cpu_data(feature);

像往常一样从这一点继续。

【讨论】：