caffe-tensorflow轉換介紹及使用

caffe-tensorflow可以將caffe的網路定義檔案和預訓練引數轉換成tensorflow的形式，包括tensorflow的網路結構原始碼和npy格式的權重檔案。
從github上下載原始碼，進入原始碼目錄執行convert.py即可。
其呼叫格式為

python convert.py def_path --caffemodel caffemodel_path --data-output-path dataoutput_path --code-output-path codeoutput_path

其中def_path為必需項，四個引數兩個caffe輸入，兩個tensorflow端的輸出。如果只需要權重引數則只需前三個引數。輸出的tensorflow程式碼為其原始碼中Network的子類，網路構建過程實現了其setup方法，因此需在程式碼中引入才可以呼叫。tensorflow目錄下network.py這個檔案中實現了Network類，這個類封裝了一些layer，包括帶group的conv層，caffe-tensorflow的轉換還是比較安全的，自行轉換會遇到很多諸如caffe，tensorflow卷積核格式、fc權重格式、輸入輸出資料表示格式的不同的問題，caffe-tensorflow這個專案都會自行轉換。

caffe-tensorflow實現細節

caffe-tensorflow的具體原理是通過pycaffe讀取網路定義檔案，並重新生成一張圖，圖上的節點儲存各個層的資訊，GraphBuilder類負責生成圖結構，每個節點代表一個layer，作者定義了許多transformer，每個transformer對圖做一些操作，有對圖中資料進行操作的也有對圖中的layer進行修改的，其中DataInjector類對caffemodel資料進行讀取並將資料分發到圖的各個節點上。

DataReshaper將caffe與tensorflow中的不同格式做了轉換，包括卷積核的格式換，tensorflow的卷積核是[filter_height, filter_width, in_channels, out_channels]而caffe的卷積核是[out_channels, in_channels, filter_height, filter_width]，tensorflow的fc層引數也和caffe的不同，tensorflow一般為[input_dimension,output_dimension],caffe剛好相反。而且tensorflow第一個fc層需要對pool5進行reshape，而pool5層和caffe的pool5層由於格式不同（tensorflow為NHWC，caffe為NCHW）所以caffe的weight實際上並不能適用與簡單的將NHWC格式展開，所以這一層的weight需要變換。另外lrn的引數不同也需要調整，具體細節在另一篇部落格lrn的介紹中有說明。