Keras: caffe 모델을 Keras 유형으로 변환하는 방법은 무엇입니까?

나는 또한 이것을 설명하기 위한 튜토리얼을 보기를 희망한다.

우리는 그것에 대해 노력하고 있습니다. 이것은 우리가 곧 추가하고 싶은 기능 중 하나입니다. https://github.com/fchollet/keras/issues/100

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

여전히 관심이 있는 사람이 있다면 변환 모듈이 있는 이 Keras 포크를 사용할 수 있습니다.
https://github.com/MarcBS/keras

최상의,
마크

안녕,
나는 당신이 언급 한 caffe에서 keras 변환 모듈을 시도했지만 caffe2keras.py를 실행할 때이 오류가 발생합니다.

전역 이름 'network_input'이(가) 정의되지 않았습니다.

도움이 되셨나요?

@dhruvjain 이 포크 를 언급하는 경우 여기 에서 새 문제를 여십시오.

또한 변환하려는 모델 파일이나 최소한 .prototxt를 포함할 수 있다면 매우 유용할 것입니다.

caffenet 모델을 변환하는 데 사용했는데 prototxt는 다음과 같습니다.
이름: "카페넷"

force_backward: 참
입력 데이터"
input_dim: 1
input_dim: 3
input_dim: 227
input_dim: 227

입력: "레이블"
input_dim: 1
input_dim: 1
input_dim: 1
input_dim: 1

층 {
이름: "conv1"
유형: "컨볼루션"
하단: "데이터"
상단: "conv1"
convolution_param {
num_출력: 96
커널 크기: 11
보폭: 4
}
}

층 {
이름: "relu1"
유형: "ReLU"
하단: "conv1"
상단: "conv1"
}
층 {
이름: "pool1"
유형: "풀링"
하단: "conv1"
상단: "pool1"
pooling_param {
풀: 최대
커널 크기: 3
보폭: 2
}
}
층 {
이름: "norm1"
유형: "LRN"
하단: "pool1"
상단: "norm1"
lrn_param {
로컬 크기: 5
알파: 0.0001
베타: 0.75
}
}
층 {
이름: "conv2"
유형: "컨볼루션"
하단: "norm1"
상단: "conv2"
convolution_param {
num_출력: 256
패드: 2
커널 크기: 5
그룹: 2
}
}
층 {
이름: "relu2"
유형: "ReLU"
하단: "conv2"
상단: "conv2"
}
층 {
이름: "pool2"
유형: "풀링"
하단: "conv2"
상단: "pool2"
pooling_param {
풀: 최대
커널 크기: 3
보폭: 2
}
}
층 {
이름: "norm2"
유형: "LRN"
하단: "pool2"
상단: "norm2"
lrn_param {
로컬 크기: 5
알파: 0.0001
베타: 0.75
}
}
층 {
이름: "conv3"
유형: "컨볼루션"
하단: "norm2"
상단: "conv3"
convolution_param {
num_출력: 384
패드: 1
커널 크기: 3
}
}
층 {
이름: "relu3"
유형: "ReLU"
하단: "conv3"
상단: "conv3"
}
층 {
이름: "conv4"
유형: "컨볼루션"
하단: "conv3"
상단: "conv4"
convolution_param {
num_출력: 384
패드: 1
커널 크기: 3
그룹: 2
}
}
층 {
이름: "relu4"
유형: "ReLU"
하단: "conv4"
상단: "conv4"
}
층 {
이름: "conv5"
유형: "컨볼루션"
하단: "conv4"
상단: "conv5"
convolution_param {
num_출력: 256
패드: 1
커널 크기: 3
그룹: 2
}
}
층 {
이름: "relu5"
유형: "ReLU"
하단: "conv5"
상단: "conv5"
}
층 {
이름: "pool5"
유형: "풀링"
하단: "conv5"
상단: "pool5"
pooling_param {
풀: 최대
커널 크기: 3
보폭: 2
}
}
층 {
이름: "fc6"
유형: "내부 제품"
하단: "pool5"
상단: "fc6"
inner_product_param {
num_출력: 4096
}
}
층 {
이름: "relu6"
유형: "ReLU"
하단: "fc6"
상단: "fc6"
}
층 {
이름: "drop6"
유형: "중단"
하단: "fc6"
상단: "fc6"
dropout_param {
dropout_ratio: 0.5
}
}
층 {
이름: "fc7"
유형: "내부 제품"
하단: "fc6"
상단: "fc7"
inner_product_param {
num_출력: 4096
}
}

층 {
이름: "relu7"
유형: "ReLU"
하단: "fc7"
상단: "fc7"
}

층 {
이름: "drop7"
유형: "중단"
하단: "fc7"
상단: "fc7"
dropout_param {
dropout_ratio: 0.5
}
}

층 {
이름: "fc8"
유형: "내부 제품"
하단: "fc7"
상단: "fc8"
inner_product_param {
num_출력: 1000
}
}

정말 중요한 기능...

이 Caffe-to-Keras 가중치 변환기는 당신이 찾고 있는 것입니다:

https://github.com/pierluigiferrari/caffe_weight_converter

.caffemodel 파일을 .h5 가중치 파일로 변환합니다. 모델 정의가 아닌 가중치만 변환하지만 어쨌든 가중치는 실제로 필요한 전부입니다.

주어진 모델에 대해 모델 정의는 Keras 핵심 라이브러리 레이어만 필요합니다. 이 경우 수동으로 Keras를 작성하는 것이 매우 쉽거나 모델 정의가 복잡하고 사용자 지정 레이어 유형이 있는 경우 모델 정의 변환기가 실패할 수 있습니다. 그래도.

변환된 새 keras 모델에서 예상되는 모양 입력은 무엇입니까? (3,224,224) 또는 (224,224,3)? caffe는 (3,224,224)와 keras는 (224,224,3)과 함께 작동하기 때문에...