Caffe到底訓練出了個什麼東西:caffemodel解析
Caffe中,資料的讀取、運算、儲存都是採用Google Protocol Buffer來進行的,所以首先來較為詳細的介紹下Protocol Buffer(PB)。
PB是一種輕便、高效的結構化資料儲存格式,可以用於結構化資料序列化,很適合做資料儲存或 RPC 資料交換格式。它可用於通訊協議、資料儲存等領域的語言無關、平臺無關、可擴充套件的序列化結構資料格式。是一種效率和相容性都很優秀的二進位制資料傳輸格式,目前提供了 C++、Java、Python 三種語言的 API。Caffe採用的是C++和Python的API。
接下來,我用一個簡單的例子來說明一下。
使用PB和 C++ 編寫一個十分簡單的例子程式。該程式由兩部分組成。第一部分被稱為Writer,第二部分叫做Reader。Writer 負責將一些結構化的資料寫入一個磁碟檔案,Reader則負責從該磁碟檔案中讀取結構化資料並列印到螢幕上。準備用於演示的結構化資料是HelloWorld,它包含兩個基本資料:
ID,為一個整數型別的資料;
Str,這是一個字串。
首先我們需要編寫一個proto檔案,定義我們程式中需要處理的結構化資料,Caffe是定義在caffe.proto檔案中。在PB的術語中,結構化資料被稱為 Message。proto檔案非常類似java或C語言的資料定義。程式碼清單 1 顯示了例子應用中的proto檔案內容。
清單 1. proto 檔案
1 package lm; 2 3 message helloworld 4 5 { 6 7 required int32 id = 1; // ID 8 9 required stringView Codestr = 2; // str 10 11 optional int32 opt = 3; // optional field 12 13 }
一個比較好的習慣是認真對待proto檔案的檔名。比如將命名規則定於如下: packageName.MessageName.proto
在上例中,package名字叫做 lm,定義了一個訊息helloworld,該訊息有三個成員,型別為int32的id,另一個為型別為string的成員str。optional是一個可選的成員,即訊息中可以不包含該成員,required表明是必須包含該成員。一般在定義中會出現如下三個欄位屬性:
對於required的欄位而言,初值是必須要提供的,否則欄位的便是未初始化的。 在Debug模式的buffer庫下編譯的話,序列化話的時候可能會失敗,而且在反序列化的時候對於該欄位的解析會總是失敗的。所以,對於修飾符為required的欄位,請在序列化的時候務必給予初始化。
對於optional的欄位而言,如果未進行初始化,那麼一個預設值將賦予該欄位,當然也可以指定預設值。
對於repeated的欄位而言,該欄位可以重複多個,谷歌提供的這個 addressbook例子便有個很好的該修飾符的應用場景,即每個人可能有多個電話號碼。在高階語言裡面,我們可以通過陣列來實現,而在proto定義檔案中可以使用repeated來修飾,從而達到相同目的。當然,出現0次也是包含在內的。
寫好proto檔案之後就可以用PB編譯器(protoc)將該檔案編譯成目標語言了。本例中我們將使用C++。假設proto檔案存放在 $SRC_DIR 下面,您也想把生成的檔案放在同一個目錄下,則可以使用如下命令:
1 protoc -I=$SRC_DIR --cpp_out=$DST_DIR $SRC_DIR/addressbook.proto
View Code
命令將生成兩個檔案:
lm.helloworld.pb.h, 定義了C++ 類的標頭檔案;
lm.helloworld.pb.cc,C++類的實現檔案。
在生成的標頭檔案中,定義了一個 C++ 類 helloworld,後面的 Writer 和 Reader 將使用這個類來對訊息進行操作。諸如對訊息的成員進行賦值,將訊息序列化等等都有相應的方法。
如前所述,Writer將把一個結構化資料寫入磁碟,以便其他人來讀取。假如我們不使用 PB,其實也有許多的選擇。一個可能的方法是將資料轉換為字串,然後將字串寫入磁碟。轉換為字串的方法可以使用 sprintf(),這非常簡單。數字 123 可以變成字串”123”。這樣做似乎沒有什麼不妥,但是仔細考慮一下就會發現,這樣的做法對寫Reader的那個人的要求比較高,Reader 的作者必須瞭解Writer 的細節。比如”123”可以是單個數字 123,但也可以是三個數字 1、2 和 3等等。這麼說來,我們還必須讓Writer定義一種分隔符一樣的字元,以便Reader可以正確讀取。但分隔符也許還會引起其他的什麼問題。最後我們發現一個簡單的Helloworld 也需要寫許多處理訊息格式的程式碼。
如果使用 PB,那麼這些細節就可以不需要應用程式來考慮了。使用PB,Writer 的工作很簡單,需要處理的結構化資料由 .proto 檔案描述,經過上一節中的編譯過程後,該資料化結構對應了一個 C++ 的類,並定義在 lm.helloworld.pb.h 中。對於本例,類名為lm::helloworld。
Writer 需要include該標頭檔案,然後便可以使用這個類了。現在,在Writer程式碼中,將要存入磁碟的結構化資料由一個lm::helloworld類的物件表示,它提供了一系列的 get/set 函式用來修改和讀取結構化資料中的資料成員,或者叫field。
當我們需要將該結構化資料儲存到磁碟上時,類 lm::helloworld 已經提供相應的方法來把一個複雜的資料變成一個位元組序列,我們可以將這個位元組序列寫入磁碟。
對於想要讀取這個資料的程式來說,也只需要使用類 lm::helloworld 的相應反序列化方法來將這個位元組序列重新轉換會結構化資料。這同我們開始時那個“123”的想法類似,不過PB想的遠遠比我們那個粗糙的字串轉換要全面,因此,我們可以放心將這類事情交給PB吧。程式清單 2 演示了 Writer 的主要程式碼。
清單 2. Writer 的主要程式碼
1 #include "lm.helloworld.pb.h" 2 3 … 4 5 int main(void) 6 7 { 8 9 lm::helloworld msg1; 10 11 msg1.set_id(101); //設定id 12 13 msg1.set_str(“hello”); //設定str 14 15 // 向磁碟中寫入資料流fstream 16 17 fstream output("./log", ios::out | ios::trunc | ios::binary); 18 19 if (!msg1.SerializeToOstream(&output)) { 20 21 cerr << "Failed to write msg." << endl; 22 23 return -1; 24 25 } 26 27 return 0; 28 29 }View Code
Msg1 是一個helloworld類的物件,set_id()用來設定id的值。SerializeToOstream將物件序列化後寫入一個fstream流。我們可以寫出Reader程式碼,程式清單3列出了 reader 的主要程式碼。
清單 3. Reader的主要程式碼
1 #include "lm.helloworld.pb.h" 2 3 … 4 5 void ListMsg(const lm::helloworld & msg) { 6 7 cout << msg.id() << endl; 8 9 cout << msg.str() << endl; 10 11 } 12 13 int main(int argc, char* argv[]) { 14 15 lm::helloworld msg1; 16 17 { 18 19 fstream input("./log", ios::in | ios::binary); 20 21 if (!msg1.ParseFromIstream(&input)) { 22 23 cerr << "Failed to parse address book." << endl; 24 25 return -1; 26 27 } 28 29 } 30 31 ListMsg(msg1); 32 33 … 34 35 }View Code
同樣,Reader 宣告類helloworld的物件msg1,然後利用ParseFromIstream從一個fstream流中讀取資訊並反序列化。此後,ListMsg中採用get方法讀取訊息的內部資訊,並進行列印輸出操作。
執行Writer和Reader的結果如下:
>writer
>reader
101
Hello
Reader 讀取檔案 log 中的序列化資訊並列印到螢幕上。這個例子本身並無意義,但只要稍加修改就可以將它變成更加有用的程式。比如將磁碟替換為網路 socket,那麼就可以實現基於網路的資料交換任務。而儲存和交換正是PB最有效的應用領域。
到這裡為止,我們只給出了一個簡單的沒有任何用處的例子。在實際應用中,人們往往需要定義更加複雜的 Message。我們用“複雜”這個詞,不僅僅是指從個數上說有更多的 fields 或者更多型別的 fields,而是指更加複雜的資料結構:巢狀 Message,Caffe.proto檔案中定義了大量的巢狀Message。使得Message的表達能力增強很多。程式碼清單 4 給出一個巢狀 Message 的例子。
清單 4. 巢狀 Message 的例子
1 message Person { 2 required string name = 1; 3 required int32 id = 2; // Unique ID number for this person. 4 optional string email = 3; 5 enum PhoneType { 6 MOBILE = 0; 7 HOME = 1; 8 WORK = 2; 9 } 10 11 message PhoneNumber { 12 required string number = 1; 13 optional PhoneType type = 2 [default = HOME]; 14 } 15 repeated PhoneNumber phone = 4; 16 }View Code
在 Message Person 中,定義了巢狀訊息 PhoneNumber,並用來定義 Person 訊息中的 phone 域。這使得人們可以定義更加複雜的資料結構。
在Caffe中也是類似於上例中的Writer和Reader去讀寫PB資料的。接下來,具體說明下Caffe中是如何儲存Caffemodel的。在Caffe主目錄下的solver.cpp檔案中的一段程式碼展示了Caffe是如何儲存Caffemodel的,程式碼清單5如下:
清單 5. Caffemodel儲存程式碼
1 template <typename Dtype> 2 3 void Solver<Dtype>::Snapshot() { 4 5 NetParameter net_param; // NetParameter為網路引數類 6 7 // 為了中間結果,也會寫入梯度值 8 9 net_->ToProto(&net_param, param_.snapshot_diff()); 10 11 string filename(param_.snapshot_prefix()); 12 13 string model_filename, snapshot_filename; 14 15 const int kBufferSize = 20; 16 17 char iter_str_buffer[kBufferSize]; 18 19 // 每訓練完1次,iter_就加1 20 21 snprintf(iter_str_buffer, kBufferSize, "_iter_%d", iter_ + 1); 22 23 filename += iter_str_buffer; 24 25 model_filename = filename + ".caffemodel"; //XX_iter_YY.caffemodel 26 27 LOG(INFO) << "Snapshotting to " << model_filename; 28 29 // 向磁碟寫入網路引數 30 31 WriteProtoToBinaryFile(net_param, model_filename.c_str()); 32 33 SolverState state; 34 35 SnapshotSolverState(&state); 36 37 state.set_iter(iter_ + 1); //set 38 39 state.set_learned_net(model_filename); 40 41 state.set_current_step(current_step_); 42 43 snapshot_filename = filename + ".solverstate"; 44 45 LOG(INFO) << "Snapshotting solver state to " << snapshot_filename; 46 47 // 向磁碟寫入網路state 48 49 WriteProtoToBinaryFile(state, snapshot_filename.c_str()); 50 51 }View Code
在清單5程式碼中,我們可以看到,其實Caffemodel儲存的資料也就是網路引數net_param的PB,Caffe可以儲存每一次訓練完成後的網路引數,我們可以通過XX.prototxt檔案來進行引數設定。在這裡的 WriteProtoToBinaryFile函式與之前HelloWorld例子中的Writer函式類似,在這就不在貼出。那麼我們只要弄清楚NetParameter類的組成,也就明白了Caffemodel的具體資料構成。在caffe.proto這個檔案中定義了NetParameter類,如程式碼清單6所示。
清單6. Caffemodel儲存程式碼
1 message NetParameter { 2 3 optional string name = 1; // 網路名稱 4 5 repeated string input = 3; // 網路輸入input blobs 6 7 repeated BlobShape input_shape = 8; // The shape of the input blobs 8 9 // 輸入維度blobs,4維(num, channels, height and width) 10 11 repeated int32 input_dim = 4; 12 13 // 網路是否強制每層進行反饋操作開關 14 15 // 如果設定為False,則會根據網路結構和學習率自動確定是否進行反饋操作 16 17 optional bool force_backward = 5 [default = false]; 18 19 // 網路的state,部分網路層依賴,部分不依賴,需要看具體網路 20 21 optional NetState state = 6; 22 23 // 是否列印debug log 24 25 optional bool debug_info = 7 [default = false]; 26 27 // 網路層引數,Field Number 為100,所以網路層引數在最後 28 29 repeated LayerParameter layer = 100; 30 31 // 棄用: 用 'layer' 代替 32 33 repeated V1LayerParameter layers = 2; 34 35 } 36 37 // Specifies the shape (dimensions) of a Blob. 38 39 message BlobShape { 40 41 repeated int64 dim = 1 [packed = true]; 42 43 } 44 45 message BlobProto { 46 47 optional BlobShape shape = 7; 48 49 repeated float data = 5 [packed = true]; 50 51 repeated float diff = 6 [packed = true]; 52 53 optional int32 num = 1 [default = 0]; 54 55 optional int32 channels = 2 [default = 0]; 56 57 optional int32 height = 3 [default = 0]; 58 59 optional int32 width = 4 [default = 0]; 60 61 } 62 63 64 65 // The BlobProtoVector is simply a way to pass multiple blobproto instances 66 67 around. 68 69 message BlobProtoVector { 70 71 repeated BlobProto blobs = 1; 72 73 } 74 75 message NetState { 76 77 optional Phase phase = 1 [default = TEST]; 78 79 optional int32 level = 2 [default = 0]; 80 81 repeated string stage = 3; 82 83 } 84 85 message LayerParameter { 86 87 optional string name = 1; // the layer name 88 89 optional string type = 2; // the layer type 90 91 repeated string bottom = 3; // the name of each bottom blob 92 93 repeated string top = 4; // the name of each top blob 94 95 // The train/test phase for computation. 96 97 optional Phase phase = 10; 98 99 // Loss weight值:float 100 101 // 每一層為每一個top blob都分配了一個預設值,通常是0或1 102 103 repeated float loss_weight = 5; 104 105 // 指定的學習引數 106 107 repeated ParamSpec param = 6; 108 109 // The blobs containing the numeric parameters of the layer. 110 111 repeated BlobProto blobs = 7; 112 113 // included/excluded. 114 115 repeated NetStateRule include = 8; 116 117 repeated NetStateRule exclude = 9; 118 119 // Parameters for data pre-processing. 120 121 optional TransformationParameter transform_param = 100; 122 123 // Parameters shared by loss layers. 124 125 optional LossParameter loss_param = 101; 126 127 // 各種型別層引數 128 129 optional AccuracyParameter accuracy_param = 102; 130 131 optional ArgMaxParameter argmax_param = 103; 132 133 optional ConcatParameter concat_param = 104; 134 135 optional ContrastiveLossParameter contrastive_loss_param = 105; 136 137 optional ConvolutionParameter convolution_param = 106; 138 139 optional DataParameter data_param = 107; 140 141 optional DropoutParameter dropout_param = 108; 142 143 optional DummyDataParameter dummy_data_param = 109; 144 145 optional EltwiseParameter eltwise_param = 110; 146 147 optional ExpParameter exp_param = 111; 148 149 optional HDF5DataParameter hdf5_data_param = 112; 150 151 optional HDF5OutputParameter hdf5_output_param = 113; 152 153 optional HingeLossParameter hinge_loss_param = 114; 154 155 optional ImageDataParameter image_data_param = 115; 156 157 optional InfogainLossParameter infogain_loss_param = 116; 158 159 optional InnerProductParameter inner_product_param = 117; 160 161 optional LRNParameter lrn_param = 118; 162 163 optional MemoryDataParameter memory_data_param = 119; 164 165 optional MVNParameter mvn_param = 120; 166 167 optional PoolingParameter pooling_param = 121; 168 169 optional PowerParameter power_param = 122; 170 171 optional PythonParameter python_param = 130; 172 173 optional ReLUParameter relu_param = 123; 174 175 optional SigmoidParameter sigmoid_param = 124; 176 177 optional SoftmaxParameter softmax_param = 125; 178 179 optional SliceParameter slice_param = 126; 180 181 optional TanHParameter tanh_param = 127; 182 183 optional ThresholdParameter threshold_param = 128; 184 185 optional WindowDataParameter window_data_param = 129; 186 187 }View Code
那麼接下來的一段程式碼來演示如何解析Caffemodel,我解析用的model為MNIST手寫庫訓練後的model,Lenet_iter_10000.caffemodel。
清單7. Caffemodel解析程式碼
1 #include <stdio.h> 2 #include <string.h> 3 #include <fstream> 4 #include <iostream> 5 #include "proto/caffe.pb.h" 6 7 using namespace std; 8 using namespace caffe; 9 10 int main(int argc, char* argv[]) 11 { 12 13 caffe::NetParameter msg; 14 15 fstream input("lenet_iter_10000.caffemodel", ios::in | ios::binary); 16 if (!msg.ParseFromIstream(&input)) 17 { 18 cerr << "Failed to parse address book." << endl; 19 return -1; 20 } 21 printf("length = %d\n", length); 22 printf("Repeated Size = %d\n", msg.layer_size()); 23 24 ::google::protobuf::RepeatedPtrField< LayerParameter >* layer = msg.mutable_layer(); 25 ::google::protobuf::RepeatedPtrField< LayerParameter >::iterator it = layer->begin(); 26 for (; it != layer->end(); ++it) 27 { 28 cout << it->name() << endl; 29 cout << it->type() << endl; 30 cout << it->convolution_param().weight_filler().max() << endl; 31 } 32 33 return 0; 34 }View Code
相關推薦
Caffe到底訓練出了個什麼東西:caffemodel解析
Caffe中,資料的讀取、運算、儲存都是採用Google Protocol Buffer來進行的,所以首先來較為詳細的介紹下Protocol Buffer(PB)。 PB是一種輕便、高效的結構化資料儲存格式,可以用於結構化資料序列化,很適合做資料儲存或 RPC 資料交換
踩了個坑:go json.Marshal時,結構體欄位需要大寫
來看看: package main import ( "encoding/json" "fmt" ) type Header struct { FileName string Host string offset
顫抖吧!阿里出了個不明覺厲的技術學習包,光PPT就有2個G
PPT資料及視訊下載地址,詳見文中。 在浩大的計算機世界裡,作為一名普通程式設計師,你是否有過焦慮和迷茫? 我們內心崇拜技術,卻也對日新月異的技術抱有深深的恐懼。技術市場就像喜怒不定的老天爺,今天下個大資料雨,明天掛個人工智慧風。面對琳琅滿目的技術衝擊,我們時不時感到力不從心。幾年過去,除
非同步調用出了個吐血的bug
非同步呼叫就是啟動了新的執行緒,主執行緒與方法執行緒並行執行,一個可以無需等待被呼叫函式的返回值就讓操作繼續進行的方法,非同步呼叫節約了大量的等待時間,客戶體驗感直線上升,但是非同步呼叫也有令人頭疼的時候,分享一個我最近遇到的問題。 背景:C#開
Java匹馬行天下之 Java國出了個Java——舉國歡慶
Java帝國的崛起 前言: 看庭前花開花落,寵辱不驚, 望天上雲捲雲舒,去留無意。 鬧心的事兒,選擇釋懷; 糾纏的人兒,試著放下, 生活其實很美。 心若向陽,就無懼悲傷。 願你明朗坦蕩縱情豁達,有得有失有堅持,能哭能笑能盡歡。 願你一生努力一生被愛,想要的都擁有,得不到的都釋懷。 &nbs
給賣不出去的智能音箱出個主意:要不弄成戀愛養成遊戲算了?
智能音箱 養成遊戲 此前的一篇文章中,我提到了對所謂世界首位機器人公民索菲亞的輕微鄙視,有些朋友留言問我為什麽。其實答案很簡單了。這款產品不是第一天出來玩耍啦。多方證據已經證明,這款機器人沒什麽自我意識和對話分析能力,只是搭載了個谷歌的語音助手。換句話說它的對話能力基本相當於你的手機。它背後的漢森機器
阿裏開發者們的第18個感悟:每次困難出現時,就是成長的機會出現了
ESS 成長 出現 就是 term 1.5 書單 mar 實踐 1月15日,每次困難出現時,就是成長的機會出現了。這是我們送給開發者的第18個感悟。 國有在社區分享了多篇技術幹貨,他說,閑魚是國內首個將Flutter用於大型實踐,並用在重要場景的應用。同時閑魚對Flutte
小程序初體驗:手把手教你寫出第一個小程序(一)
輸入框 個人 創建 公測 快速 nsh 成功 too 調用 本文筆者將根據quick start中的範例代碼,帶大家簡單地剖析一下小程序的運行方式,並介紹小程序開發中一些通用的特性,帶著大家一步步寫出自己的小程序。 適用對象:前端初學者,對小程序開發感興趣者 tip
1.一男子在路邊一根接著一根地抽煙。一個女士走過來對他說:“嘿,你不知道你是在慢性自殺嗎?註意看看煙盒上的警告信息。”“沒關系”, 男子悠然自得地又吸了一口:“我是個程序員。”“嗯?這和你是程序員有什麽關系?...
我不知道 不知道 對他 上網 是我 .com 一個 但是 err 1.一男子在路邊一根接著一根地抽煙。一個女士走過來對他說:“嘿,你不知道你是在慢性自殺嗎?註意看看煙盒上的警告信息。”“沒關系”,男子悠然自得地又吸了一口:“我是個程序員。”“嗯?這和你是程序員有什麽關系?”
【轉載】Caffe學習:運行caffe自帶的兩個簡單例子
0.00 練習 siam 其它 sudo 單例 復制 腳本 policy 原文:http://www.cnblogs.com/denny402/p/5075490.html 為了程序的簡潔,在caffe中是不帶練習數據的,因此需要自己去下載。但在caffe根目錄下的data
2星|《新物種爆炸》:用自造的新名詞把已知事情換了個說法。語文與邏輯都比較差。
演講 因此 最大的 都是 語法 收購 作家 com 酒店 讀後感覺特別差,堆砌了許多自造的詞,把已知的商業事件用自造的詞說了一遍。作者邏輯和語文都比較差,因此這種重說一遍的文字看起來非常累,讀後收獲特別少。 鑒於書中提到了不少商業上的新事件(需要從一堆不知所雲的文字中
應對Hadoop集群數據瘋長,這裏祭出了4個治理對策!
基於 cin 就是 嚴格 abc dcl bmf bsp 我們 一、背景 在目前規模比較大的互聯網公司中,總數據量能達到10PB甚至幾十PB數據量的公司,我認為中國已經有超過了20家了。而在這些公司中,也有很多家公司的 日數據增長達到100TB+ 了。 所以我們每天都要觀察
添加 Class 屬性無效,原因:多了個 點
info AC 技術 分享圖片 bubuko back fff 分享 css CSS樣式如下: 解決辦法:去掉 “ . ” 添加 Class 屬性無效,原因:多了個 點
今天看了個模擬IE客戶端的東西。
exp htm pen nbsp exec int cve bbr bsp import webbrowser as webimport osimport timei = 0#os.execve("taskkill /IM iexplore.exe") while i &l
新公司上班一個月,我悟出了兩個道理,不得不服
分享 並不是 默認 特意 最簡 oss 部分 ado 現在 剛從另一家公司裸辭,本來的打算也被突然的事情打斷,自己不是富二代,生活還是要繼續的,不得不找工作了,但是剛上完一個月班,我心中頓時感慨萬千,這社會很現實! 大多數的企業體制都差不多,優點和缺點都有,但哪個更明顯就
【9】Caffe學習系列:執行caffe自帶的兩個簡單例子
為了程式的簡潔,在caffe中是不帶練習資料的,因此需要自己去下載。但在caffe根目錄下的data資料夾裡,作者已經為我們編寫好了下載資料的指令碼檔案,我們只需要聯網,執行這些指令碼檔案就行了。 注意:在caffe中執行所有程式,都必須在根目錄下進行,即/caffe,否則會出錯,因為指令碼檔案
java實現:2018年9月9日晚上的京東筆試題:現給出n個物品的a,b,c引數,請你求出不合格品的數量。
題目: 現有n個物品,每個物品有三個引數,ai,bi,ci,定義i物品不合格的依據是:若存在物品j,且aj>ai,bj>bi,cj>ci,則稱i物品為不合格品。 現給出n個物品的a,b,c引數,請你求出不合格品的數量。 輸入: 第一行包含一個整數n(1<=n&
練習:將從表讀出來的時間戳除以1000(java讀時間戳會多出3個000)用jackson包 實現
練習:將從表讀出來的時間戳除以1000(java讀時間戳會多出3個000)jackson包 實現 entity @Entity @DynamicUpdate //自動更新日期 @Data //get/set public class OrderDetail { @Id priv
python例項:快速找出多個字典中的公共鍵
1.生成隨機字典 # 從abcdefg 中隨機取出 3-6個,作為key, 1-4 的隨機數作為 value s1 = {x : randint(1, 4) for x in sample('abcdefg', randint(3, 6))} 方法1 用集合方法 s1 = {'c':
克洛普:越位?踢阿森納我們進了個好球 但是沒算
11月29日訊息,@北京商報從度小滿金融人士處獲悉,百度正式拿到准許經營證券期貨的許可證。據許可證顯示,機構名稱為北京百度百盈科技有限公司(下稱“百度百盈”),證券期貨業務經營範圍為基金銷售。而今年8月22日,根據北京證監局官網顯示,證監局已核准百度百盈證券投資基金銷售業務資格。 企查查資訊顯示,百度百盈成