更改caffe中的最后一层

Question

这是关于如何在训练之前将现有权重添加到模型的问题here的扩展。

我想使用现有的权重，但我的最终图层输出50而不是1000（因为网络被训练为分类1000项）。从前一篇文章中，通过更改输出图层的名称，我可以添加权重。但后来我意识到还有其他层依赖于最后一层。下面是从VGG网络的一个片段：

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. 究竟什么是底部和顶部的论点？

2. 我是否需要在后续两层中更改“loss3/classifier”的名称？

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咖啡教程，以获取caffe的基础知识。 This tutorial可以是一个很好的起点。

---

深网络具有描述从网到预测输出的输入数据的“流”的底层图形。你在你的问题中附加的片段描述了一个这样的图。
每层代表沿“数据路径”的“处理单元”：其输入是"bottom" blob（s），并且该层输出其处理的数据作为"top" blob。
所以，如果有一个层

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

的该层执行"InnerProduct"操作（通过层type定义）。它在输入数据块"pool5/7x7_s1"（定义为bottom）上执行操作，并将结果输出到数据块"loss3/classifier"（定义为top数据块）。该图层的可学习参数（权重和偏差）由caffe使用图层名称"loss3/classifier"进行存储和访问。
因此，如果您更改layyer的名到"loss3/classifier_50"不改变top，你会得到想要的效果：朱古力不会复制他的权重这一层的，但将保持连接到其他层这一层的输出。

---

BTW，
你确定你使用的是VGG网呢？这个原型文件看起来像GoogLeNet架构...
请注意，AlexNet，VGG和GoogLeNet是三个完全不同的网络。