caffe转换tensorflow工具caffe-tensorflow

caffe-tensorflow转换介绍及使用

caffe-tensorflow可以将caffe的网络定义文件和预训练参数转换成tensorflow的形式，包括tensorflow的网络结构源码和npy格式的权重文件。
从github上下载源码，进入源码目录运行convert.py即可。
其调用格式为

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

其中def_path为必需项，四个参数两个caffe输入，两个tensorflow端的输出。如果只需要权重参数则只需前三个参数。输出的tensorflow代码为其源码中Network的子类，网络构建过程实现了其setup方法，因此需在代码中引入才可以调用。tensorflow目录下network.py这个文件中实现了Network类，这个类封装了一些layer，包括带group的conv层，caffe-tensorflow的转换还是比较安全的，自行转换会遇到很多诸如caffe，tensorflow卷积核格式、fc权重格式、输入输出数据表示格式的不同的问题，caffe-tensorflow这个项目都会自行转换。

caffe-tensorflow实现细节

caffe-tensorflow的具体原理是通过pycaffe读取网络定义文件，并重新生成一张图，图上的节点保存各个层的信息，GraphBuilder类负责生成图结构，每个节点代表一个layer，作者定义了许多transformer，每个transformer对图做一些操作，有对图中数据进行操作的也有对图中的layer进行修改的，其中DataInjector类对caffemodel数据进行读取并将数据分发到图的各个节点上。

DataReshaper将caffe与tensorflow中的不同格式做了转换，包括卷积核的格式换，tensorflow的卷积核是[filter_height, filter_width, in_channels, out_channels]而caffe的卷积核是[out_channels, in_channels, filter_height, filter_width]，tensorflow的fc层参数也和caffe的不同，tensorflow一般为[input_dimension,output_dimension],caffe刚好相反。而且tensorflow第一个fc层需要对pool5进行reshape，而pool5层和caffe的pool5层由于格式不同（tensorflow为NHWC，caffe为NCHW）所以caffe的weight实际上并不能适用与简单的将NHWC格式展开，所以这一层的weight需要变换。另外lrn的参数不同也需要调整，具体细节在另一篇博客lrn的介绍中有说明。