From 33740b13d442be6c21171c1bae8237d6eb7aa498 Mon Sep 17 00:00:00 2001 From: SunAhong1993 <48579383+SunAhong1993@users.noreply.github.com> Date: Fri, 9 Aug 2019 16:20:56 +0800 Subject: [PATCH] Update add_caffe_custom_layer.md --- add_caffe_custom_layer.md | 80 ++++++++++++++++++++++----------------- 1 file changed, 46 insertions(+), 34 deletions(-) diff --git a/add_caffe_custom_layer.md b/add_caffe_custom_layer.md index f1f875e..2f393d7 100644 --- a/add_caffe_custom_layer.md +++ b/add_caffe_custom_layer.md @@ -1,8 +1,18 @@ ## 如何转换Caffe自定义Layer -本文档介绍如何将Caffe自定义Layer转换为PaddlePaddle模型中的对应实现, 用户可根据自己需要，添加代码实现自定义层，从而支持模型的完整转换。 +本文档介绍如何将Caffe自定义Layer转换为PaddlePaddle模型中的对应实现, 用户可根据自己需要，添加代码实现自定义层，从而支持模型的完整转换。 +***步骤一 下载代码*** +此处涉及修改源码，应先卸载x2paddle，并且下载源码，主要有以下两步完成： +``` +pip uninstall x2paddle +pip install git+https://github.com/PaddlePaddle/X2Paddle.git@develop +``` + +***步骤二 编译caffe.proto*** +该步骤依赖protobuf编译器，其安装过程有以下两种方式： +> 选择一：pip install protobuf +> 选择二：使用[官方源码](https://github.com/protocolbuffers/protobuf)进行编译 -***步骤一 编译caffe.proto*** 使用脚本./tools/compile.sh将caffe.proto（包含所需的自定义Layer信息）编译成我们所需的目标语言（Python） 使用方式： ``` @@ -10,53 +20,55 @@ bash ./toos/compile.sh /home/root/caffe/src/caffe/proto # /home/root/caffe/src/caffe/proto为caffe.proto的存放路径，生成的caffe_pb2.py也将保存在该路径下 ``` -***步骤二 添加自定义Layer的实现代码*** -- 进入./x2paddle/op_mapper/caffe_custom_layer，创建实现代码的文件，例如mylayer.py -- 仿照./x2paddle/op_mapper/caffe_custom_layer中的其他文件，在mylayer.py中主要实现3个函数： - 1. `def mylayer_shape(input_shape, ...)` - - | 参数 | 类型 | 说明 | - | :---------: | :--: | :---------: | - | input_shape | list | 每个元素代表该层每个输入数据的shape | - | 其余 | 默认为None | 命名为Caffe模型的model.prototxt中mylayer_param中每个参数的名字 | - - 功能：计算出mylayer的输出shape - 返回：一个list，其中每个元素代表每个输出数据的shape +***步骤三 添加自定义Layer的实现代码*** +- 进入./x2paddle/op_mapper/caffe_custom_layer，创建.py文件，例如mylayer.py +- 仿照./x2paddle/op_mapper/caffe_custom_layer中的其他文件，在mylayer.py中主要需要实现3个函数，下面以roipooling.py为例分析代码： + 1. `def roipooling_shape(input_shape, pooled_w=None, pooled_h=None)` + 参数： + 1. input_shape（list）：其中每个元素代表该层每个输入数据的shape，为必须传入的参数 + 2. pooled_w（int）：代表ROI Pooling的kernel的宽，其命名与.prototxt中roi_pooling_param中的key一致 + 3. pooled_h（int）：代表ROI Pooling的kernel的高，其命名与.prototxt中roi_pooling_param中的key一致 - 2. `def mylayer_layer(inputs, input_shape=None, name=None, ...)` - - | 参数 | 类型 | 说明 | - | :---------: | :--: | :---------: | - | inputs | list | 每个元素代表该层每个输入数据 | - | input_shape | list(默认为None) | 每个元素代表该层每个输入数据的shape | - | name | str(默认为None) | mylayer的名字 | - | 其余 | 默认为None | 命名为Caffe模型的model.prototxt中mylayer_param中每个参数的名字 | + 功能：计算出进行ROI Pooling后的shape + 返回：一个list，其中每个元素代表每个输出数据的shape，由于ROI Pooling的输出数据只有一个，所以其list长度为1 + + 2. `def roipooling_layer(inputs, input_shape=None, name=None, pooled_w=None, pooled_h=None, spatial_scale=None)` - 功能：运用PaddlePaddle完成组网来实现`mylayer`的功能 - 返回：一个Variable或Tensor，为组网后的结果 + 参数： + 1. inputs（list）：其中每个元素代表该层每个输入数据，为必须传入的参数 + 2. input_shape（list）：其中每个元素代表该层每个输入数据的shape，为必须传入的参数 + 3. name（str）：ROI Pooling层的名字，为必须传入的参数 + 4. pooled_w（int）：代表ROI Pooling的kernel的宽，其命名与.prototxt中roi_pooling_param中的key一致 + 5. pooled_h（int）：代表ROI Pooling的kernel的高，其命名与.prototxt中roi_pooling_param中的key一致 + 6. spatial_scale（float）：用于将ROI坐标从输入比例转换为池化时使用的比例，其命名与.prototxt中roi_pooling_param中的key一致 + + 功能：运用PaddlePaddle完成组网来实现`roipooling_layer`的功能 + 返回：一个Variable，为组网后的结果 - 3. `def mylayer_weights(name, data=None)` - - | 参数 | 类型 | 说明 | - | :---------: | :--: | :---------: | - | name | str | mylayer的名字 | - | data | list(默认为None) | 由Caffe模型的model.caffemodel获得的关于mylayer的参数 | + 3. `def roipooling_weights(name, data=None)` + + 参数： + 1. name（str）：ROI Pooling层的名字，为必须传入的参数 + 2. data（list）：由Caffe模型.caffemodel获得的关于roipooling的参数，roipooling的参数为None 功能：为每个参数（例如kernel、bias等）命名；同时，若Caffe中该层参数与PaddlePaddle中参数的格式不一致，则变换操作也在该函数中实现。 返回：一个list，包含每个参数的名字。 -- 在mylayer.py中注册`mylayer`，主要运用下述代码实现： +- 在roipooling.py中注册`roipooling`，主要运用下述代码实现： ``` - register(kind='Mylayer', shape=mylayer_shape, layer=mylayer_layer, weights=mylayer_weights) - # kind为在model.prototxt中mylayer的type + register(kind='ROIPooling', shape=roipooling_shape, layer=roipooling_layer, weights=roipooling_weights) + # kind为在model.prototxt中roipooling的type ``` - 在./x2paddle/op_mapper/caffe_custom_layer/\_\_init\_\_.py中引入该层的使用 ``` - from . import mylayer + from . import roipooling ``` ***步骤三 运行转换代码*** ``` +# 在X2Paddle目录下安装x2paddle +python setup.py install +# 运行转换代码 x2paddle --framework=caffe --prototxt=deploy.proto --weight=deploy.caffemodel -- GitLab