在Caffe中通过图层的数据的多个路径

Question

我想在Caffe中构建一个网络，其中传入的数据最初被分割，分别通过相同的一组图层，并最终使用eltwise图层重新组合。在此之后，所有部分将作为一个整体移动。

数据移动并行的网络部分的层配置将是相同的，除了学习参数。

有没有一种方法可以在Caffe中定义这个网络，而无需重新定义数据的不同部分经过多次的层次？换句话说，是否可以一次定义一个图层，并有多个输入和输出路径，例如具有多个顶部和底部参数以及它们之间的映射？

Answer 1

我不认为原始咖啡的prototxt格式允许你以后的样子。但你可以使用caffe.NetSpec() python界面。也就是说，使用python接口来构建网络并写入原型文件。

import caffe 
from caffe import layers as L 
ns = caffe.NetSpec() 
ns.data, ns.label = L.Data(ntop=2, name='data', data_param={'source':'/path/to', 'batch_size': 32}) 
tops = [] 
for i in xrange(3): 
    nm = 'path{}'.format(i) 
    top = L.Convolution(ns.data, name=nm, convolution_params={'num_output':32}) 
    ns.__setattr__(nm, top) 
    tops.append(top) 
# concat 
ns.concat = L.Concat(*tops, name='concat', concat_param={'axis':1}) 
print '{}'.format(ns.toProto())