Keras: 如何将caffe模型转换为Keras类型？

我也希望看到一个教程来说明这一点。

我们正在做这件事。 这绝对是我们希望尽快添加的功能之一。 https://github.com/fchollet/keras/issues/100

https://github.com/fchollet/keras/pull/368

如果有人仍然感兴趣，您可以使用具有转换模块的 Keras 的这个分支：
https://github.com/MarcBS/keras

最好的，
马克

你好，
我正在尝试您提到的 caffe 到 keras 转换模块，但是当我运行 caffe2keras.py 时出现此错误

未定义全局名称“network_input”

有什么帮助吗？

@dhruvjain如果您指的是这个分支，请在此处打开一个新问题。

此外，如果您可以包含您尝试转换的模型文件，或者至少包含 .prototxt，那将非常有帮助。

我用它来转换caffenet模型，prototxt是这样的：
名称：“咖啡网”

force_backward: 真
输入数据”
input_dim: 1
input_dim: 3
input_dim: 227
input_dim: 227

输入：“标签”
input_dim: 1
input_dim: 1
input_dim: 1
input_dim: 1

层 {
名称：“conv1”
类型：“卷积”
底部：“数据”
顶部：“conv1”
卷积参数{
数字输出：96
内核大小：11
步幅：4
}
}

层 {
名称：“relu1”
类型：“ReLU”
底部：“conv1”
顶部：“conv1”
}
层 {
名称：“池1”
类型：“池化”
底部：“conv1”
顶部：“池1”
pooling_param {
池：最大
内核大小：3
步幅：2
}
}
层 {
名称：“规范1”
类型：“LRN”
底部：“池1”
顶部：“规范1”
lrn_param {
本地大小：5
阿尔法：0.0001
测试版：0.75
}
}
层 {
名称：“conv2”
类型：“卷积”
底部：“规范1”
顶部：“conv2”
卷积参数{
数字输出：256
垫：2
内核大小：5
组：2
}
}
层 {
名称：“relu2”
类型：“ReLU”
底部：“conv2”
顶部：“conv2”
}
层 {
名称：“pool2”
类型：“池化”
底部：“conv2”
顶部：“pool2”
pooling_param {
池：最大
内核大小：3
步幅：2
}
}
层 {
名称：“规范2”
类型：“LRN”
底部：“pool2”
顶部：“规范2”
lrn_param {
本地大小：5
阿尔法：0.0001
测试版：0.75
}
}
层 {
名称：“conv3”
类型：“卷积”
底部：“norm2”
顶部：“conv3”
卷积参数{
数字输出：384
垫：1
内核大小：3
}
}
层 {
名称：“relu3”
类型：“ReLU”
底部：“conv3”
顶部：“conv3”
}
层 {
名称：“conv4”
类型：“卷积”
底部：“conv3”
顶部：“conv4”
卷积参数{
数字输出：384
垫：1
内核大小：3
组：2
}
}
层 {
名称：“relu4”
类型：“ReLU”
底部：“conv4”
顶部：“conv4”
}
层 {
名称：“conv5”
类型：“卷积”
底部：“conv4”
顶部：“conv5”
卷积参数{
数字输出：256
垫：1
内核大小：3
组：2
}
}
层 {
名称：“relu5”
类型：“ReLU”
底部：“conv5”
顶部：“conv5”
}
层 {
名称：“pool5”
类型：“池化”
底部：“conv5”
顶部：“pool5”
pooling_param {
池：最大
内核大小：3
步幅：2
}
}
层 {
名称：“fc6”
类型：“内部产品”
底部：“pool5”
顶部：“fc6”
内部产品参数{
数字输出：4096
}
}
层 {
名称：“relu6”
类型：“ReLU”
底部：“fc6”
顶部：“fc6”
}
层 {
名称：“drop6”
类型：“辍学”
底部：“fc6”
顶部：“fc6”
dropout_param {
dropout_ratio: 0.5
}
}
层 {
名称：“fc7”
类型：“内部产品”
底部：“fc6”
顶部：“fc7”
内部产品参数{
数字输出：4096
}
}

层 {
名称：“relu7”
类型：“ReLU”
底部：“fc7”
顶部：“fc7”
}

层 {
名称：“drop7”
类型：“辍学”
底部：“fc7”
顶部：“fc7”
dropout_param {
dropout_ratio: 0.5
}
}

层 {
名称：“fc8”
类型：“内部产品”
底部：“fc7”
顶部：“fc8”
内部产品参数{
num_output: 1000
}
}

真的是一个重要的功能......

这个 Caffe-to-Keras 重量转换器正是您要找的：

https://github.com/pierluigiferrari/caffe_weight_converter

它将.caffemodel文件转换为.h5重量文件。 它仅转换权重，而不是模型定义，但无论如何，权重确实是您所需要的。

对于任何给定的模型，模型定义要么只需要 Keras 核心库层，在这种情况下在 Keras 中手动编写非常容易，或者模型定义很复杂并且具有自定义层类型，在这种情况下模型定义转换器可能会失败反正。

转换后的新 keras 模型需要什么形状输入？ (3,224,224) 还是 (224,224,3)？ 因为 caffe 与 (3,224,224) 一起工作，而 keras 与 (224,224,3) 一起工作......