mem*_*ecs 2 machine-learning neural-network deep-learning caffe pycaffe
给定一个caffe.Net对象，访问特定层的最佳方法是什么？
现在，我只想出了如何遍历它们，这不是很有用：
for i in range(n_layers):
print net.layers[i].type
您可以通过以下方式获取所有图层的名称
all_names = [n for n in net._layer_names]
当然，如果您要检查学习到的参数的值，则可以看到它在此净手术中是如何完成的示例中。
例如，如果您要检查conv1图层的过滤器（假设您的模型中有一个名称相同的图层），则可以访问
In [1]: net.params['conv1'][0].data.shape
Out[1]: (64, 3, 3, 3)
而这一层的偏差项
In [2]: net.params['conv1'][1].data.shape
Out[2]: (64,)
如您所见，这是图像处理网络的第一层，它具有64个滤镜，作用于3x3 BGR（3通道）输入的色块。
如果您已经通过网络馈送了数据（使用net.forward或net.backward），则可以检查不同层对通过网络馈送的特定输入的响应：
In [3]: net.blobs['conv1'].data.shape
Out[3]: (1, 64, 198, 198)
conv1图层的输出形状是198x198像素，带有64个通道（此图层中有64个滤镜），并且批处理大小为1。
如果还执行了向后传递，则还可以检查在此图层上计算的渐变：
In [4]: net.blobs['conv1'].diff.shape
Out[4]: (1, 64, 198, 198)