Cómo llamar a caffemodel usando la interfaz Python

Para representar la operación completa, w y b son lo que necesitamos entrenar. w se llama peso, que también se puede llamar núcleo de convolución (filtro) en CNN, y b es el término de sesgo. f es la función de activación, incluyendo sigmoide, relu, etc.

Una vez completado el entrenamiento de datos, se guardarán en caffemodel, que en realidad son los valores w y b de cada capa.

Ejecutamos el código:

deploy=root 'mnist/deploy.prototxt' #Archivo de implementación

caffe_model=root 'mnist/lenet_iter_9380.caffemodel' # Entrenamiento Buen caffemodel

net = caffe.Net(net_file, caffe_9380.caffemodel)Net(net_file, caffe_model, caffe.TEST) #Cargar el modelo y la red

Esto combinará todos los parámetros y Los datos se cargan en una variable net, pero net es un objeto muy complejo. Intentar mostrarlo directamente no funciona. Entre ellos:

net.params: guarda los valores de los parámetros (w y b) de cada capa

net.blobs: guarda los valores de los datos de cada capa

.