分组卷积的Caffe变换

Question

我试图从一个非常简单的Caffe模型中获取权重，并将其解释为功能齐全的Keras模型。

这是Caffe中模型的最初定义，让我们称之为simple.prototxt

input: "im_data"
input_shape {
  dim: 1
  dim: 3
  dim: 1280
  dim: 1280
}
layer {
  name: "conv1"
  type: "Convolution"
  bottom: "im_data"
  top: "conv1"
  param {
    lr_mult: 1
    decay_mult: 1
  }
  param {
    lr_mult: 2
    decay_mult: 0
  }
  convolution_param {
    num_output: 96
    kernel_size: 11
    pad: 5
    stride: 4
  }
}
layer {
  name: "relu1"
  type: "ReLU"
  bottom: "conv1"
  top: "conv1"
}
layer {
  name: "pool1"
  type: "Pooling"
  bottom: "conv1"
  top: "pool1"
  pooling_param {
    pool: MAX
    kernel_size: 3
    pad: 0
    stride: 2
  }
}
layer {
  name: "norm1"
  type: "LRN"
  bottom: "pool1"
  top: "norm1"
  lrn_param {
    local_size: 5
    alpha: 0.0001
    beta: 0.75
  }
}
layer {
  name: "conv2"
  type: "Convolution"
  bottom: "norm1"
  top: "conv2"
  param {
    lr_mult: 1
    decay_mult: 1
  }
  param {
    lr_mult: 2
    decay_mult: 0
  }
  convolution_param {
    num_output: 256
    kernel_size: 5
    pad: 2
    group: 2
  }
}
layer {
  name: "relu2"
  type: "ReLU"
  bottom: "conv2"
  top: "conv2"
}

Caffe中的层定义可能看起来很复杂，但它只需要一个维度的图像( 1280x1280x3 )将其传递到卷积层，然后max将其集合并传递给最终的卷积层。

下面是它在Keras中的实现，这要简单得多：

from keras.models import Model
from keras.layers import Input, BatchNormalization, 
from keras.activations import relu, softmax

im_data = Input(shape=(1280, 1280, 3),
                   dtype='float32',
                   name='im_data')
conv1 = Conv2D(filters=96,
               kernel_size=11,
               strides=(4, 4),
               activation=relu,
               padding='same',
               name='conv1')(im_data)

pooling1 = MaxPooling2D(pool_size=(3, 3),
                        strides=(2, 2),
                        padding='same',
                        name='pooling1')(conv1)
normalized1 = BatchNormalization()(pooling1)  # https://stats.stackexchange.com/questions/145768/importance-of-local-response-normalization-in-cnn

conv2 = Conv2D(filters=256,
               kernel_size=5,
               activation=relu,
               padding='same',
               name='conv2')(normalized1)
model = Model(inputs=[im_data], outputs=conv2)  

问题：

虽然这两种模型在每一层中似乎都有相似的参数，但问题是它们的重量形状并不相等。我知道Caffe和Keras有不同的形状顺序，但是顺序不是这里关注的问题。

问题是Keras的最后卷积层与Caffe中的最后卷积层在三维上具有不同的值。见下文。

Caffe的重量形状

>>> net = caffe.net('simple.prototxt', 'premade_weights.caffemodel', caffe.TEST)
>>> for i in range(len(net.layers)):
...     if len(net.layers[i].blobs) != 0:  # if layer has no weights
...         print(("name", net._layer_names[i]))
...         print("weight_shapes", [v.data.shape for v in net.layers[i].blobs])
('name', 'conv1')
('weight_shapes', [(96, 3, 11, 11), (96,)])
('name', 'conv2')
('weight_shapes', [(256, 48, 5, 5), (256,)])

Keras的重量形状：

>>> for layer in model.layers:
...     if len(layer.get_weights()) != 0:
...         print(("name", layer.name))
...         print(("weight_shapes", [w.shape for w in layer.get_weights()]))  
('name', 'conv1')
('weight_shapes', [(11, 11, 3, 96), (96,)])
('name', 'conv2')
('weight_shapes', [(5, 5, 96, 256), (256,)])

这似乎是奇怪的行为。正如您所看到的，Caffe和Keras中的conv1形状是相等的(忽略顺序)。但在咖啡豆中，conv2形状是[(256, 48, 5, 5), (256,)])，而在Keras中，conv2形状是[(5, 5, 96, 256), (256,)]，注意到了48*2=96。

另外，注意到，conv2层直接位于最大池层之后，所以在Keras中的最大池层可能有问题。

问题：

我是否正确地解释了从Caffe到Keras的模型定义？特别是最大池层及其参数？

非常感谢!

Answer 1

注意您的group: 2定义中的conv2字段。这意味着这里有一个成组卷积(卡菲:这群人是什么意思？)。从技术上讲，这意味着您有两个过滤器，每一个形状(128, 48, 5, 5)。第一个频道将与前48个频道合并，产生前128个输出，第二个通道用于其余的频道。然而，Caffe将两个重量存储在一个小块中，这就是为什么它的形状是(128x2, 48, 5, 5)的原因

在Keras Conv2D层中没有这类参数，但广泛采用的解决方法是将输入特征映射与Lambda层分开，用两个不同的卷积层处理它们，然后合并回一个特征映射。

from keras.layers import Concatenate

normalized1_1 = Lambda(lambda x: x[:, :, :, :48])(normalized1)
normalized1_2 = Lambda(lambda x: x[:, :, :, 48:])(normalized1)

conv2_1 = Conv2D(filters=128,
                 kernel_size=5,
                 activation=relu,
                 padding='same',
                 name='conv2_1')(normalized1_1)

conv2_2 = Conv2D(filters=128,
                 kernel_size=5,
                 activation=relu,
                 padding='same',
                 name='conv2_2')(normalized1_2)

conv2 = Concatenate(name='conv_2_merge')([conv2_1, conv2_2])

我没有检查代码的正确性，但这个想法肯定是这样的。

关于您的任务:将网络从Caffe转换为Keras可能很棘手。要获得完全相同的结果，您必须遇到许多微妙的事情，如卷积中的不对称填充或不同的最大池行为。这就是为什么如果您从Caffe导入权重，您可能无法用批规范替换LRN层。幸运的是，在Keras中有LRN的实现，例如这里。