به دست آوردن ویژگی ها از لایه های میانی یک شبکه ی عصبی؟؟

Question

سلام
من می خواستم از ویژگی های استخراج شده توسط یک CNN که از قبل آموزش داده شده به عنوان توصیفگر برای تصاویر استفاده کنم.
با جستجو در اینترنت متوجه شدم که باید از روی مدل اصلی شبکه یک مدل به فرم deploy ایجاد کنم. و بعد مدل رو در پایتون لود کرده و در نهایت با استفاده از دستور net.forward و بعد از اون دستور net.blobs میشه خروجی هر لایه ی دلخواه رو به دست آورد.
اما مشکلی که من دارم اینه که در دستورالعمل هایی که برای این کار پیدا کردم نحوه ی به دست آوردن خروجی برای یک تصویر خاص ذکر شده بود و این در حالی هست که مجموعه داده ی تست من به فرم LMDB هست.
میخواستم بدونم در پایتون چطور باید یک مجموعه داده رو در لایه ی دیتا لود کنم؟
و در کل آیا راه دیگه ای برای به دست آوردن خروجی لایه های میانی مثلا با استفاده از cmdcaffe هست ؟؟

Answer 1

سلام
برای پایتون برای خوندن lmdb‌میتونید از کد زیر استفاده کنید( این بخشی از کد یکی از برنامه من هست فکر نکنم نیازی به تغییر خاصی داشته باشه فقط مسیر رو عوض کنید و مواردی که مشخصه!‌ :‌

import caffe
import lmdb
import numpy as np
from caffe.proto import caffe_pb2

# masire database shoma
db_train = lmdb.open('cifar10_train_lmdb')
# agar chizi gharare write beshe true konid, 
db_train_txn = db_train.begin(write=False)

datum = caffe_pb2.Datum()

size_train = 50000

data_train = np.zeros((size_train, 3, 32, 32))
label_train = np.zeros(size_train, dtype=int)

print 'Reading training data...'
i = -1
for key, value in db_train_txn.cursor():
    i = i + 1
    if i % 1000 == 0:
        print i
    if i == size_train:
        break
    datum.ParseFromString(value)
    label = datum.label
    data = caffe.io.datum_to_array(datum)
    data_train[i] = data
    label_train[i] = label

#... the rest of your code   

برای فیچر اکسترکشن هم بله میتونید از اینترفیس cmd‌کفی استفاده کنید. در داخل پوشه Examples پوشه feature-extraction‌رو باز کنید فایل readme رو بخونید همه چیز مشخص هست

Comments

خیلی ممنون
لطف کردید