出于性能原因,我试图将一个相当复杂的卷积神经网络从Caffe转换成Caffe2。我知道转换等效层的教程,但是,我的dummydatalayers在Caffe崩溃的转换。虽然我知道我很可能需要扩展教程脚本来解释这一点,但我希望有人能为我指出正确的方向,以便在Caffe2中构造这种类型的层。在
我还需要转换几个不同的python层,因此不可避免地需要修改Caffe2 Github repo中的教程;我只是不确定如何实现这一点,并认为看看DummyData层是如何完成的将非常有帮助。不幸的是,我无法访问我编写的代码,因为它是在我的计算机上工作,然而,到目前为止,我所做的只是添加了一个新的函数,其参数与所有其他层的参数类似,并创建了一个新的运算符。我不确定这是否是正确的方法(因为我可能遗漏了一个基本上相当于现有的运算符)。在
我还没有测试过,但它可能有用: 添加一个UniformFillOp(生成虚拟数据),然后将其输出给ImageInput(用于minibatch和数据扩充)。在
可用于生成伪数据的运算符列表:https://github.com/caffe2/caffe2/blob/master/caffe2/operators/filler_op.cc#L17-L25
相关问题 更多 >
编程相关推荐