Caffe模型读取

caffe模型最终保存使用过的protobuf形式，将一个已经训练好的caffe模型读取出来，可以参考如下：

1，包含的头文件：

#include <google/protobuf/io/coded_stream.h>
#include <google/protobuf/io/zero_copy_stream_impl.h>
#include <google/protobuf/text_format.h>

#include "caffe/proto/caffe.pb.cc"    //在caffe src/caffe、proto里面，是编译后自动生成的，其中包括（caffe.pb.cc caffe.pb.d caffe.pb.h caffe.pb.o.warnings.txt）

2，读取网络Message：

bool loadCaffeNet(const std::string& model_list, Message* proto){  //

	using google::protobuf::io::FileInputStream;
	using google::protobuf::io::ZeroCopyInputStream;
	using google::protobuf::io::CodedInputStream;

	//Message * proto;
	std::vector<std::string> model_names;
	boost::split(model_names, model_list, boost::is_any_of(",") );
	bool success = false;
	for (int i = 0; i < model_names.size(); ++i) {
		std::cout<< "Finetuning from " << model_names[i];
		const char* filename = model_names[i].c_str();
		int fd = open(filename, O_RDONLY);
		if( fd < 0 ){
			std::cout << "File not found: " << fd;
			return -1;
		}

		ZeroCopyInputStream* raw_input = new FileInputStream(fd);
		CodedInputStream* coded_input = new CodedInputStream(raw_input);
		coded_input->SetTotalBytesLimit(INT_MAX, 536870912);

		success = proto->ParseFromCodedStream(coded_input);

		delete coded_input;
		delete raw_input;
		close(fd);

		return success;
	}
	return success;
}

3，参考caffe/proto/caffe.pb.cc 文件，获取对应的参数

　　例如读取文件后：

　　　　　std::string trained_filename = "lenet_iter_10000.caffemodel";

	caffe::NetParameter net_protobuf;

	if(loadCaffeNet(trained_filename, &net_protobuf)){
		std::cout<<"load net param success"<<std::endl;
	}else{
		std::cout<<"load net param failed"<<std::endl;
	}

　　获取网络层数：

int num_source_layers = net_protobuf.layer_size();

　　

for(int i=0; i<num_source_layers; ++i){
	caffe::LayerParameter layer_param = net_protobuf.layer(i);
        std::cout << layer_param.name() << std::endl;
        std::cout << layer_param.type() << std::endl;

	int blobsize = layer_param.blobs_size();
	std::cout << "blobs_size: "<<blobsize << std::endl;
	for(int j=0; j<blobsize; j++){
		int dataSize = layer_param.blobs(j).data_size();

		if(j==0){
			std::cout << "  weight data_size: "<<dataSize << std::endl;
			int ind_weight = dataSize;
			weight = (float*)malloc(ind_weight*sizeof(float));
			for(int index=0; index<dataSize; index++){
				weight[index] = layer_param.blobs(j).data(index);
			}

　　　　　　　　　　　　　　std::cout<<" Convolution->:"<<std::endl;
　　　　　　　　　　　　　　std::cout<<" layer_param.blobs weight_n "<<layer_param.blobs(0).shape().dim(0)<<std::endl; //n
　　　　　　　　　　　　　　std::cout<<" layer_param.blobs weight_c "<<layer_param.blobs(0).shape().dim(1)<<std::endl; //c
　　　　　　　　　　　　　　std::cout<<" layer_param.blobs weight_h "<<layer_param.blobs(0).shape().dim(2)<<std::endl; //h
　　　　　　　　　　　　　　std::cout<<" layer_param.blobs weight_w "<<layer_param.blobs(0).shape().dim(3)<<std::endl; //w

		}
		else if(j==1){
			std::cout << "  bias data_size: "<<dataSize << std::endl;
			int ind_bias = dataSize;
			bias = (float*)malloc(ind_bias*sizeof(float));
			for(int index=0; index<dataSize; index++){
				bias[index] = layer_param.blobs(j).data(index);
			}

		}

	}
}

　　以上仅仅是部分代码，需要注意调试！

其中caffe.pb.cc 和caffe.pb.hpp 文件是基于caffe.proto文件生成的。执行过程为：protoc caffe.proto --cpp_out=. ；将caffe.proto文件，基于目前protobuf的版本生成对应的版本的.cc 和 .hpp文件。