使用C++在CAFFE中设置输入层

Question

使用C++在CAFFE中设置输入层

3

我正在使用CAFFE编写C++代码来预测单个（目前只有一个）图像。该图像已经被预处理并以.png格式存在。我创建了一个Net对象并读取了训练好的模型。现在，我需要将.png图像用作输入层并调用net.Forward() - 但是有人能帮我弄清楚如何设置输入层吗？

我在网上找到了一些示例，但它们都不起作用，几乎所有示例都使用已弃用的功能。根据伯克利的Net API，使用"ForwardPrefilled"已被弃用，并且使用"Forward(vector, float*)"也已被弃用。API表明应该“设置输入blob，然后使用Forward()”。这很有道理，但是“设置输入blob”部分没有详细说明，我找不到一个好的C++示例来说明如何做到这一点。

我不确定是否使用caffe::Datum是正确的方法，但我一直在尝试：

float lossVal = 0.0;
caffe::Datum datum;
caffe::ReadImageToDatum("myImg.png", 1, imgDims[0], imgDims[1], &datum);
caffe::Blob< float > *imgBlob = new caffe::Blob< float >(1, datum.channels(), datum.height(), datum.width());
//How to get the image data into the blob, and the blob into the net as input layer???
const vector< caffe::Blob< float >* > &result = caffeNet.Forward(&lossVal);

再次强调，我希望遵循API的指导，设置输入blobs，然后使用（非废弃的）caffeNet.Forward（&lossVal）来获取结果，而不是使用已弃用的内容。

编辑：

根据下面的答案，我进行了更新，包括以下内容：

caffe::MemoryDataLayer<unsigned char> *memory_data_layer = (caffe::MemoryDataLayer<unsigned char> *)caffeNet.layer_by_name("input").get();
vector< caffe::Datum > datumVec;
datumVec.push_back(datum);
memory_data_layer->AddDatumVector(datumVec);

但现在调用AddDatumVector会导致段错误。我想知道这是否与我的prototxt格式有关？这是我的prototxt开头：

name: "deploy"  

input: "data"
input_shape {
dim: 1
dim: 3
dim: 100
dim: 100
}

layer {
  name: "conv1"
  type: "Convolution"
  bottom: "data"
  top: "conv1"

我根据这个讨论中关于prototxt中“source”字段的重要性，提出了这个问题...

- daroo

你可以在你的net.prototxt中使用ImageData层。这个层可以读取你的图像列表并进行一些转换，就像Data层一样。 - Dale

3个回答

1

这是我代码的一部分，位于此处，其中我在C++代码中使用了Caffe。希望这可以帮到你。

Net<float> caffe_test_net("models/sudoku/deploy.prototxt", caffe::TEST);

caffe_test_net.CopyTrainedLayersFrom("models/sudoku/sudoku_iter_10000.caffemodel");

// Get datum
Datum datum;
if (!ReadImageToDatum("examples/sudoku/cell.jpg", 1, 28, 28, false, &datum)) {
     LOG(ERROR) << "Error during file reading";
}


// Get the blob
Blob<float>* blob = new Blob<float>(1, datum.channels(), datum.height(), datum.width());

// Get the blobproto
BlobProto blob_proto;
blob_proto.set_num(1);
blob_proto.set_channels(datum.channels());
blob_proto.set_height(datum.height());
blob_proto.set_width(datum.width());
int size_in_datum = std::max<int>(datum.data().size(),
                                          datum.float_data_size());

for (int ii = 0; ii < size_in_datum; ++ii) {
     blob_proto.add_data(0.);
}
const string& data = datum.data();
if (data.size() != 0) {
     for (int ii = 0; ii < size_in_datum; ++ii) {
         blob_proto.set_data(ii, blob_proto.data(ii) + (uint8_t)data[ii]);
     }
}

// Set data into blob
blob->FromProto(blob_proto);

// Fill the vector
vector<Blob<float>*> bottom;
bottom.push_back(blob);
float type = 0.0;

const vector<Blob<float>*>& result =  caffe_test_net.Forward(bottom, &type);

- malreddysid

谢谢 - 我已经找到了那个例子，但是它使用了一个被弃用的Forward()版本，根据我上面链接的API。我试图避免使用它...我之前尝试过，但仍然没有成功，但承认在看到调用被弃用后没有太多地去尝试。 - daroo

0

这个怎么样：

Caffe::set_mode(Caffe::CPU);
caffe_net.reset(new caffe::Net<float>("your_arch.prototxt", caffe::TEST));
caffe_net->CopyTrainedLayersFrom("your_model.caffemodel");

Blob<float> *your_blob = caffe_net->input_blobs()[0];
your_blob->set_cpu_data(your_image_data_as_pointer_to_float);

caffe_net->Forward();

- Carlos Ost

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Anoop K. Prabhu · Accepted Answer

caffe::Datum datum;
caffe::ReadImageToDatum("myImg.png", 1, imgDims[0], imgDims[1], &datum);
MemoryDataLayer<float> *memory_data_layer = (MemoryDataLayer<float> *)caffeNet->layer_by_name("data").get();
memory_data_layer->AddDatumVector(datum);
const vector< caffe::Blob< float >* > &result = caffeNet.Forward(&lossVal);

这样做可能会很有用。在这里，您将需要使用MemoryData层作为输入层。我期望该层的名称命名为data。

使用datum变量的方式可能不正确。如果我记得正确，我猜想，您必须使用一个datum数据向量。

我认为这应该能让您开始工作。

祝您愉快。 :D