caffe怎么把全连接层转成convolutional层

caffe中有把fc层转化为conv层的，其实怎么看参数都是不变的，对alex模型来说，第一个fc层的参数是4096X9216，而conv的维度是4096x256x6x6，因此参数个数是不变的，只是需要把fc的参数存储方法改变成conv 的。

在caffe的官方网站：http://nbviewer.ipython.org/github/BVLC/caffe/blob/master/examples/net_surgery.ipynb

有说明怎么转换。首先将原模型加载进来fc_param，然后把全conv的配置文件和模型加载conv_param，然后将fc_param进行flat并赋值给conv_param，当然在flat时会按照conv_param的格式进行赋值。然后我们就完成了全conv的模型生成，此时再把模型保存下来，就完成了模型转换为全conv的模型的过程。

然后在我们使用full conv模型时，只要加载就可以了。

不过就像我同事说的，代码里存储方式其实都是连续地址存放，维度的不一样只是在初始化blob取值时，选择的方式不一样。一种是直接按照4096个9216取，一种是按照4096个256X6X6取值，就是说取值时赋值给一个256x6x6的数组，而第一种是赋值给1x1x9216维度的数组。

在caffe的官网上，初始化权重时，原来是先做reshape，再赋值，现在是不reshape，直接flat赋值。应该是python对数组的操作方式不同吧？