把Caffe的模型转换为Pytorch模型

系列博客目录:Caffe转Pytorch模型系列教程 概述

目录

  • 一、可视化Caffe的网络模型
    • 1、在线网站
    • 2、本地可视化
  • 二、SfSNet的第一部分
    • 1、网络名
    • 2、输入层
    • 3、第一个卷积层conv1
    • 4、第一个BN层bn1
    • 5、第一个Relu层relu1
    • 6、第一部分的完整Pytorch代码
  • 二、SfSNet的残差块
    • 1、Caffe的Eltwise层
    • 2、实现一个“ResidualBlock”
  • 三、反卷积层、Concat层、池化层以及全连接层
    • 1、反卷积层
    • 2、Concat层
    • 3、池化层
    • 4、全连接层
  • 四、总结

本文用的Caffe网络模型文件:SfSNet_deploy.prototxt(右键另存为)。这是一个很牛逼的模型,SfSNet_deploy.prototxt的定义也很长,本文就以它(SfSNet)为例,说明如何把Caffe网络手动转换为Pytorch网络。转换后的Pytorch代码地址:model.py(右键另存为)。

一、可视化Caffe的网络模型

可视化网络模型的好处是可以直观地看到网络模型,对网络模型能先有个大概的了解,再结合.prototxt文件,就能完整无误的把Caffe模型转换为Pytorch模型。在线网站要比本地可视化直观准确得多。在后面的实现过程中,请大家结合结合.prototxt和可视化结果来转换模型,很重要。

1、在线网站

打开网站http://ethereon.github.io/netscope/#/editor之后,把SfSNet_deploy.prototxt的内容粘贴到编辑框里,然后按Shift+Enter,右边的框就会出现网络模型。鼠标移动到右边的方块上时,会显示每层的参数。
把Caffe的模型转换为Pytorch模型_第1张图片

2、本地可视化

请参考:https://www.cnblogs.com/denny402/p/5106764.html

二、SfSNet的第一部分

把Caffe的模型转换为Pytorch模型_第2张图片
第一部分的网络结构图。Caffe模型中所有的操作都定义为层。

1、网络名

打开SfSNet_deploy.prototxt中,第一行是:

name : "PS-Net"

指定此网络的名称是"PS-Net"。

2、输入层

#data
layer {
  name: "data"  # 名称,使用Caffe的Python接口时会用到这个。
  type: "Input" # 类型,为输入
  top: "data"   # “顶”,暂时可以理解为数据流向。
    input_param { shape: { dim: 1 dim: 3 dim: 128 dim: 128 } }
}

此部分代码的输入层:shape=(1, 3, 128, 128)。 “#”后面是我添加的注释,之后也是如此。

3、第一个卷积层conv1

#C64
layer {
  name: "conv1" 		# 层名
  type: "Convolution" 	# 类型:卷积
  bottom: "data" 		# 数据输入:data
  top: "conv1" 			# 数据输出:conv1
  param { 				# 权重 weight
  name : "c1_w" 			# 权重名
    lr_mult: 1 				# 权重学习率
    decay_mult: 1 			# 衰减系数
  }
  param {		 		# 偏置 bias
  name : "c1_b" 			# 偏置名
    lr_mult: 2 				# 偏置学习率
    decay_mult: 0 			# 衰减系数
  }
  convolution_param {	# 卷积层参数
    num_output: 64			# 卷积核个数,对应torch.nn.Conv2d的out_channels
    kernel_size: 7      	# 卷积核大小
    stride: 1 				# 步长大小
    pad: 3 					# padding大小
    weight_filler { 	# 权重初始化器参数
      type: "xavier" 		# 权重初始化器类型
    }
  }
}

以上就是一个卷积层的定义。Pytorch中,卷积层是:

Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)

in_channels是输入卷积层的通道数,也就是data层中的“3”;out_channels对应num_output,也就是卷积核的个数:“64”;其他的就是一一对应。在Pytorch中,conv1就定义为:

conv1 = nn.Conv2d(3, 64, 7, 1, 3)

4、第一个BN层bn1

下图是Pytorch中BatchNorm完成的工作,“*”号左边的部分是使用E[x](均值)和Var[x](方差) 归一化x,乘以γ加上β是缩放x和平移x。Caffe中的BatchNorm层只完成了归一化x的工作,缩放和平移由Scale层完成,所以:BatchNorm(Pytorch)= BatchNorm(Caffe)+ Scale(Caffe)。
把Caffe的模型转换为Pytorch模型_第3张图片
SfSNet只是使用了BatchNorm层,没有使用Scale层。所以使用Pytorch的BatchNorm层来替换Caffe中的层时,需要把nn.BatchNorm参数affine设置为True,且要把BatchNorm层的weight(相当于γ)设置为全1,bias(相当于β)设置为全0。如果affine=False,weight会被设置为范围在0~1之间的随机数,bias会被设置为0。 至于如何设置,将会在下一篇博客给出,本文只关注如何转换模型。给出bn1的.prototxt定义:

layer {
  name: "bn1" 		# 层名
  type: "BatchNorm" # 类型:BatchNorm
  bottom: "conv1" 	# 数据输入:conv1
  top: "conv1" 		# 数据输出:conv1
  batch_norm_param {
    use_global_stats: false # 训练时为false,不使用保存的E[x]和Var[x]
  }
  param {
	name : "b1_a"
    lr_mult: 0
  }
  param {
	name: "b1_b"
    lr_mult: 0
  }
  param {
	name: "b1_c"
    lr_mult: 0
  }
  include {
    phase: TRAIN # 训练时包含此层
  }
}

layer {
  name: "bn1"
  type: "BatchNorm"
  bottom: "conv1"
  top: "conv1"
  batch_norm_param {
    use_global_stats: true # 测试模型是使用保存的E[x]和Var[x]
  }
  param {
    name : "b1_a"
    lr_mult: 0
  }
  param {
    name : "b1_b"
    lr_mult: 0
  }
  param {
    name: "b1_c"
    lr_mult: 0
  }
  include {
    phase: TEST # 测试时包含此层
  }
}

bn1的输入和输出均为conv1,所以bn1是“In-Place”操作,把修改完的数据又存回了conv1。 可以发现,bn1层被定义了两次,主要差别是参数use_global_stats和phase。第一个定义是在训练网络(phase:TRAIN)时使用,第二个定义是在测试时(phase:TEST)时使用。Caffe的BatchNorm对应Pytorch中的BatchNorm2d,定义如下:

BatchNorm2d(num_features, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)

num_features是特征数量,数值和Conv2d的out_channels相同;eps是ϵ;affine默认为True,不要修改;track_running_stats=True 保持默认。所以bn1的对应的pytorch定义为:

bn1 = nn.BatchNorm2d(64)

64对应out_channels。

5、第一个Relu层relu1

layer {
  name: "relu1" 	# 层名
  type: "ReLU"  	# 类型:relu
  bottom: "conv1" 	# 输入:conv1
  top: "conv1" 		# 输出:conv1
}

这是一个ReLU层的定义,也是一个in-Place层, 输入输出均为conv1。在Pytorch中,可以直接使用:

torch.nn.functional.relu(conv1)

6、第一部分的完整Pytorch代码

上面只是简单的介绍了三个层,实际上只完成了:
在这里插入图片描述
这一小部分。但是我不再重复举例说明,而是直接给出第一部分模型的代码,相信读者可以举一反三,完成第一部分模型的转换。请读者先自行完成conv1到conv3的Pytorch代码,再和下面的比对。

# coding=utf-8
from __future__ import absolute_import, division, print_function
import torch
import torchvision
import pickle as pkl
from torch import nn
import torch.nn.functional as F

class SfSNet(nn.Module):  # SfSNet = PS-Net in SfSNet_deploy.prototxt
    def __init__(self):
        # C64
        super(SfSNet, self).__init__()
        # TODO 初始化器 xavier
        self.conv1 = nn.Conv2d(3, 64, 7, 1, 3)
        self.bn1 = nn.BatchNorm2d(64)
        # C128
        self.conv2 = nn.Conv2d(64, 128, 3, 1, 1)
        self.bn2 = nn.BatchNorm2d(128)
        # C128 S2
        self.conv3 = nn.Conv2d(128, 128, 3, 2, 1)

    def forward(self, inputs):
        # C64
        x = F.relu(self.bn1(self.conv1(inputs)))
        # C128
        x = F.relu(self.bn2(self.conv2(x)))
        # C128 S2
        conv3 = self.conv3(x)

二、SfSNet的残差块

观察网络的可视化结果,可以发现有很多重复的结构(下面框框里面包着的),SfSNet的作者说它们是残差块(ResidualBlock),其实还是有丢丢区别的,不过不影响我们转换模型。这些重复的结构层数相同,参数相同,就是名字不一样,因此我把每个框框里面的结构实现为一个“ResidualBlock”,以便于重复利用,还能减少出错。
把Caffe的模型转换为Pytorch模型_第4张图片

1、Caffe的Eltwise层

layer {
  name: "nsum1" 	# 层名
  type: "Eltwise" 	# 类型:Eltwise
  bottom: "nconv1r" # 输入1:nconv1r
  bottom: "conv3" 	# 输入2:conv3
  top: "nsum1" 		# 输出:nsum1
  eltwise_param { 	# 操作类型
    operation: SUM 		# 求和
  }
}

顾名思义,Eltwise层就是逐元素的操作(相加、相减等等)。operation指定了类型是SUM(求和)。所以,此层就是将nconv1r和conv3求和,存到nsum1里面。

2、实现一个“ResidualBlock”

直接上代码:

class ResidualBlock(nn.Module):
    def __init__(self, in_channel, out_channel):
        super(ResidualBlock, self).__init__()
        # nbn1/nbn2/.../nbn5 abn1/abn2/.../abn5
        self.bn = nn.BatchNorm2d(in_channel)
        # nconv1/nconv2/.../nconv5 aconv1/aconv2/.../aconv5
        self.conv = nn.Conv2d(in_channel, out_channel, kernel_size=3, stride=1, padding=1)
        # nbn1r/nbn2r/.../nbn5r abn1r/abn2r/.../abn5r
        self.bnr = nn.BatchNorm2d(out_channel)
        # nconv1r/nconv2r/.../nconv5r aconv1r/aconv2r/.../anconv5r
        self.convr = nn.Conv2d(out_channel, out_channel, kernel_size=3, stride=1, padding=1)

    def forward(self, x):
        out = self.conv(F.relu(self.bn(x)))
        out = self.convr(F.relu(self.bnr(out)))
        # num1/nsum2/.../nsum5 aum1/asum2/.../asum5
        out += x 
        return out

上面就是一个框框内的所有层,都定义在一个ResidualBlock内,并且可以重复使用。Eltwise层使用“+=”替代了,ReLU层使用“F.relu”替代了。接下来就举个例子,说明ResidualBlock怎么用:

class SfSNet(nn.Module):  # SfSNet = PS-Net in SfSNet_deploy.prototxt
    def __init__(self):
        # C64
        super(SfSNet, self).__init__()
        # TODO 初始化器 xavier
        self.conv1 = nn.Conv2d(3, 64, 7, 1, 3)
        self.bn1 = nn.BatchNorm2d(64)
        # C128
        self.conv2 = nn.Conv2d(64, 128, 3, 1, 1)
        self.bn2 = nn.BatchNorm2d(128)
        # C128 S2
        self.conv3 = nn.Conv2d(128, 128, 3, 2, 1)
        # ------------RESNET for normals------------
        # RES1
        self.n_res1 = ResidualBlock(128, 128)
        # RES2
        self.n_res2 = ResidualBlock(128, 128)

    def forward(self, inputs):
        # C64
        x = F.relu(self.bn1(self.conv1(inputs)))
        # C128
        x = F.relu(self.bn2(self.conv2(x)))
        # C128 S2
        conv3 = self.conv3(x)
        # ------------RESNET for normals------------
        # RES1
        x = self.n_res1(conv3)
        # RES2
        x = self.n_res2(x)
        return x

三、反卷积层、Concat层、池化层以及全连接层

1、反卷积层

SfSNet中,还用到了反卷积层,分别为nup6和aup6。
在这里插入图片描述
在.prototxt中,一个反卷积层定义为:

#CD128
layer {
  name: "nup6" 			# 层名
  type: "Deconvolution" # 类型:Deconvolution
  bottom: "nsum5" 		# 输入:nsum5
  top: "nup6" 			# 输出:nup6
  convolution_param { 	# 卷积参数
    kernel_size: 4 			# 卷积核大小
    stride: 2 				# 步长
    num_output: 128 		# 输出特征数
    group: 128 				# group大小,不理解是啥意思,不过Pytorch中的反卷积层有同名参数,不慌,小场面
    pad: 1 					# padding大小
    weight_filler {  		# 权重初始化参数
       type: "bilinear"  		# 权重初始化器类型
    } 
    bias_term: false 		# 使用偏置:false为不使用
  }
  param { 				# 权重学习参数
    lr_mult: 0 				# 学习率:0
    decay_mult: 0 			# 学习率衰减率:0
  }
}

Pytorch中,反卷积层的定义为:

ConvTranspose2d(in_channels, out_channels, kernel_size, stride=1, padding=0, output_padding=0, groups=1, bias=True, dilation=1)

in_channels为输入通道数,在SfSNet中是128;out_channels为输出通道数,也为128;groups对应.prototxt中的“group: 128 ”;bias要设置为false,因为“bias_term: false”,其他参数保持默认,所以,nup6的Pytorch代码为:

aup6 = nn.ConvTranspose2d(128, 128, 4, 2, 1, groups=128, bias=False)

2、Concat层

#concat
layer {
    name: "lconcat1" 	# 层名
    bottom: "nsum5"  	# 输入1:nsum5
    bottom: "asum5" 	# 输入2:asum5
    top: "lconcat1" 	# 输出:lconcat1
    type: "Concat" 		# 类型:lconcat1
    concat_param { 		# Concat参数
        axis: 1 		# 轴:连接(N, C, H, W)第二维,也就是C(channel)。当axis=0是,连接N,也就是一批的数量
    }
}

Pytorch里和Caffe中的Concat层对应的操作是:

torch.cat(tensors, dim=0, out=None) → Tensor

tensors是Tenor组成的列表;dim对应axis;out保持默认。所以,lconcat1对应的Python代码就是:

lconcat1 = torch.cat((nsum5, asum5), 1)

感觉没毛病吧?大错特错!!!,让我们再次打开网络可视化之后的结果:
把Caffe的模型转换为Pytorch模型_第5张图片
可以看到,lconcat1的两个输入明明是nrelu6r和arelu6r啊,难道是可视化结果错了?为啥.prototxt文件中写成num5和asum5呢?因为nbn6r/abn6r和nrelu6r/arelu6r都是“In-Place”操作(输入输出都是num5/asum5),计算完之后又存回num5/asum5了,所以.prototxt文件写成num5和asum5,实际应为nrelu6r/arelu6r处理后的结果。所以,lconcat1的Pytorch代码应为:

lconcat1 = torch.cat((nrelu6r, arelu6r), 1)

需要特别注意那种“In-Place”操作,要结合可视化图和.prototxt文件来完成模型的转换,免得走弯路啊啊啊啊啊。

3、池化层

layer {
    name: "lpool2r" 	# 层名
    type: "Pooling" 	# 类型:Pooling
    bottom: "lconv1" 	# 输入:lconv1
    top: "lpool2r" 		# 输出:lpool2r
    pooling_param { 	# 池化层参数
        pool: AVE 			# 池化类型:AVE,对应AvgPool2d;还有MAX,对应MaxPool2d.
        kernel_size: 64 	# 池化核大小
    }
}

上面就是池化层的定义。在Pytorch中,上述池化层的对应:

AvgPool2d(kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True)

kernel_size是池化核大小;其他参数不做说明。lpool2r对应的Pytorch代码为:

lpool2r = nn.AvgPool2d(64)

如果“pool: AVE”里的“AVE”换成“MAX”,那么lpool2r对应的Pytorch代码为:

lpool2r = nn.MaxPool2d(64)

4、全连接层

layer {
    name: "fc_light" # 层明
    type: "InnerProduct" 	# 类型:InnerProduct,也就是全连接层
    bottom: "lpool2r" 		# 输入:lpool2r
    top: "fc_light" 		# 输出:fc_light
    param { 				# 权重参数
        lr_mult: 1
        decay_mult: 1
    }
    param { 				# 偏置参数
        lr_mult: 2
        decay_mult: 0
    }
    inner_product_param { 	# 全连接层参数
	    num_output: 27 			# 输出通道数:27
	    weight_filler { 		# 权重初始化器参数
	        type: "gaussian" 		# 类型:gaussian
	        std: 0.005 				# 标准差:0.005
	    }
	    bias_filler { 			# 偏置初始化参数
	        type: "constant" 		# 类型:constant
	        value: 1		 		# 值:1
	    }
    }
}

越写到后面越不想写,这篇博客都编辑了五六个小时了(哭,还是坚持写完吧)。上面就是全连接层fc_light的定义,在Pytorch中,对应的层是:

Linear(in_features, out_features, bias=True)

fc_light对应的Pytorch代码为:

fc_light = nn.Linear(128, 27)

等等!!!fc_light前面不是一个lpool2r层吗?
把Caffe的模型转换为Pytorch模型_第6张图片
lpool2r层的输出形状是(1, 128, 1, 1),也就是四维啊,全连接层前面应该是一维的啊,所以在Pytorch的模型的forward函数里,还需要reshape(调整为[1, 128]) lpool2r的结果:

class SfSNet(nn.Module):
	def __init__(self):
		...
	def forward(self, inputs):
		...
		x = self.lpool2r(x)
		# 调整输出的shape
        x = x.view(-1, 128)
        # fc_light
        light = self.fc_light(x)

四、总结

  • 不懂的多查多看!
  • 转换模型要结合.prototxt和可视化结果。

你可能感兴趣的:(深度学习)