Keras: caffeモデルをKerasタイプに変換する方法は？

また、これを説明するためのチュートリアルを見たいと思っています。

我々はそれに取り組んでいます。 これは間違いなく、すぐに追加したい機能の1つです。 https://github.com/fchollet/keras/issues/100

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

それでも興味がある人は、変換モジュールを備えたこのKerasのフォークを使用できます。
https://github.com/MarcBS/keras

一番、
マーク

こんにちは、
私はあなたが言及したcaffeからkerasへの変換モジュールを試していましたが、caffe2keras.pyを実行するとこのエラーが発生します

グローバル名 'network_input'が定義されていません

何か助けはありますか？

@dhruvjainこのフォークを参照している場合は、ここで新しい問題を開いてください。

さらに、変換しようとしているモデルファイル、または少なくとも.prototxtを含めることができれば非常に役立ちます。

私はカフェネットモデルを変換するためにそれを使用しました、prototxtはこれです：
名前：「CaffeNet」

force_backward：true
入力：「データ」
input_dim：1
input_dim：3
input_dim：227
input_dim：227

入力：「ラベル」
input_dim：1
input_dim：1
input_dim：1
input_dim：1

レイヤー{
名前： "conv1"
タイプ：「コンボリューション」
下：「データ」
上： "conv1"
convolution_param {
num_output：96
kernel_size：11
ストライド：4
}
}

レイヤー{
名前： "relu1"
タイプ：「ReLU」
下：「conv1」
上： "conv1"
}
レイヤー{
名前： "pool1"
タイプ：「プーリング」
下：「conv1」
上：「pool1」
pooling_param {
プール：MAX
kernel_size：3
ストライド：2
}
}
レイヤー{
名前： "norm1"
タイプ：「LRN」
下：「pool1」
上：「norm1」
lrn_param {
local_size：5
アルファ：0.0001
ベータ：0.75
}
}
レイヤー{
名前：「conv2」
タイプ：「コンボリューション」
下：「norm1」
上：「conv2」
convolution_param {
num_output：256
パッド：2
kernel_size：5
グループ：2
}
}
レイヤー{
名前：「relu2」
タイプ：「ReLU」
下：「conv2」
上：「conv2」
}
レイヤー{
名前：「pool2」
タイプ：「プーリング」
下：「conv2」
上：「pool2」
pooling_param {
プール：MAX
kernel_size：3
ストライド：2
}
}
レイヤー{
名前：「norm2」
タイプ：「LRN」
下：「pool2」
上：「norm2」
lrn_param {
local_size：5
アルファ：0.0001
ベータ：0.75
}
}
レイヤー{
名前：「conv3」
タイプ：「コンボリューション」
下：「norm2」
上：「conv3」
convolution_param {
num_output：384
パッド：1
kernel_size：3
}
}
レイヤー{
名前：「relu3」
タイプ：「ReLU」
下：「conv3」
上：「conv3」
}
レイヤー{
名前：「conv4」
タイプ：「コンボリューション」
下：「conv3」
上：「conv4」
convolution_param {
num_output：384
パッド：1
kernel_size：3
グループ：2
}
}
レイヤー{
名前：「relu4」
タイプ：「ReLU」
下：「conv4」
上：「conv4」
}
レイヤー{
名前：「conv5」
タイプ：「コンボリューション」
下：「conv4」
上：「conv5」
convolution_param {
num_output：256
パッド：1
kernel_size：3
グループ：2
}
}
レイヤー{
名前：「relu5」
タイプ：「ReLU」
下：「conv5」
上：「conv5」
}
レイヤー{
名前：「pool5」
タイプ：「プーリング」
下：「conv5」
上：「pool5」
pooling_param {
プール：MAX
kernel_size：3
ストライド：2
}
}
レイヤー{
名前：「fc6」
タイプ：「InnerProduct」
下：「pool5」
上：「fc6」
inner_product_param {
num_output：4096
}
}
レイヤー{
名前：「relu6」
タイプ：「ReLU」
下：「fc6」
上：「fc6」
}
レイヤー{
名前：「drop6」
タイプ：「ドロップアウト」
下：「fc6」
上：「fc6」
dropout_param {
dropout_ratio：0.5
}
}
レイヤー{
名前：「fc7」
タイプ：「InnerProduct」
下：「fc6」
上：「fc7」
inner_product_param {
num_output：4096
}
}

レイヤー{
名前：「relu7」
タイプ：「ReLU」
下：「fc7」
上：「fc7」
}

レイヤー{
名前：「drop7」
タイプ：「ドロップアウト」
下：「fc7」
上：「fc7」
dropout_param {
dropout_ratio：0.5
}
}

レイヤー{
名前：「fc8」
タイプ：「InnerProduct」
下：「fc7」
上：「fc8」
inner_product_param {
num_output：1000
}
}

本当に重要な機能...

このCaffe-to-Kerasウェイトコンバーターはあなたが探しているものです：

https://github.com/pierluigiferrari/caffe_weight_converter

.caffemodelファイルを.h5ウェイトファイルに変換します。 モデル定義ではなく、重みのみを変換しますが、とにかく必要なのは重みだけです。

どのモデルでも、モデル定義に必要なのはKerasコアライブラリレイヤーのみである場合は、Kerasで手動で記述するのが非常に簡単です。または、モデル定義が複雑でカスタムレイヤータイプがある場合は、モデル定義コンバーターが失敗する可能性があります。とりあえず。

変換された新しいkerasモデルによってどのような形状入力が期待されますか？ （3,224,224）または（224,224,3）？ caffeは（3,224,224）で動作し、kerasは（224,224,3）で動作するため...