更改 caffe 中的最后一层

Question

这是问题here 的扩展，该问题是关于如何在训练前将现有权重添加到模型中。

我想使用现有的权重，但我的最后一层输出的是 50 而不是 1000（因为网络经过训练可以对 1000 个项目进行分类）。在上一篇文章中，通过更改输出层的名称，我能够添加权重。但后来我意识到还有其他层依赖于最后一层。这是来自 VGG 网络的 sn-p：

 layer {
   name: "loss3/classifier"
   type: "InnerProduct"
   bottom: "pool5/7x7_s1"
   top: "loss3/classifier"
   param {
     lr_mult: 1
     decay_mult: 1
   }
   param {
     lr_mult: 2
     decay_mult: 0
   }
   inner_product_param {
     num_output: 50
     weight_filler {
       type: "xavier"
     }
     bias_filler {
       type: "constant"
       value: 0
     }
   }
 }
 layer {
   name: "loss3/loss3"
   type: "SoftmaxWithLoss"
   bottom: "loss3/classifier"
   bottom: "label"
   top: "loss3/loss3"
   loss_weight: 1
 }
 layer {
   name: "loss3/top-1"
   type: "Accuracy"
   bottom: "loss3/classifier"
   bottom: "label"
   top: "loss3/top-1"
   include {
     phase: TEST
   }
 }
 layer {
   name: "loss3/top-5"
   type: "Accuracy"
   bottom: "loss3/classifier"
   bottom: "label"
   top: "loss3/top-5"
   include {
     phase: TEST
   }
   accuracy_param {
     top_k: 5
   }
 }

我的问题是：

1. 到底什么是底部和顶部参数？

2. 后面两层“loss3/classifier”的名称需要改吗？

Answer 1

这是一个相当基本的问题。我强烈建议您阅读一些文档和基本的 caffe 教程来了解 caffe 的基础知识。 This tutorial 是一个很好的起点。

---

深度网络具有描述从网络输入到预测输出的数据“流”的底层图。您在问题中附加的 sn-p 描述了一个这样的图表。
每一层代表“数据路径”上的一个“处理单元”：其输入是"bottom" blob，层将其处理后的数据作为"top" blob 输出。
所以，如果你有一个图层

layer {
  name: "loss3/classifier"
  type: "InnerProduct"
  bottom: "pool5/7x7_s1"
  top: "loss3/classifier"
  ...
}

此层执行"InnerProduct" 操作（由层的type 定义）。它对输入 blob "pool5/7x7_s1"（定义为 bottom）执行操作，并将结果输出到 blob "loss3/classifier"（定义为 top blob）。该层的可学习参数（权重和偏差）由 caffe 使用层的名称 "loss3/classifier" 存储和访问。
因此，如果您将图层的 name 更改为 "loss3/classifier_50" 而不 更改 top 您将获得所需的效果：caffe 不会复制此图层的权重，但将保持这一层的输出连接到其他层。

---

顺便说一句，
您确定您使用的是 VGG 网络吗？这个 prototxt 看起来像 GoogLeNet 架构...
请注意，AlexNet、VGG 和 GoogLeNet 是三个完全不同的网络。