1. 前言

現階段還堅持使用Matconvnet工具箱的一定是MATLAB的死粉。與TensorFlow、Keras相比，matconvnet的便捷性不夠。但是，matlab與matconvnet提供了良好的交互調試功能，使得算法開發可以非常迅速得到驗證。對于一個訓練好的模型，如何迅速的進行測試，這篇博客會開放我對這類問題的處理方法和代碼。

2. SimpleNN和 DagNN

參考：http://www.vlfeat.org/matconvnet/mfiles/+dagnn/@DagNN/DagNN/

接觸過SimpleNN的童鞋應該記得，SimpleNN是通過struct結構體進行構建的。所以在發布模型或者共享模型的時候可以直接將結構體進行發布，再利用vl_simpnn進行評估就好了。

后來由于Simplenn定義太隨性，使得代碼非常容易出錯。我講的隨性不是靈活，而是結構極其松散。牛津團隊為了應付這個事，開始采用DagNN，也就是有向無環圖進行網絡的定義、訓練，但是沒有封裝一個更好的用于DagNN評估函數。因此，我們只能通過vl_simplenn進行模型評估。也就是說，我們需要將DagNN轉成SimpleNN,并去除掉損失函數層。下面開始詳細說明我探索出來的一種方法：

首先將網絡確定成DagNN類型：

net = dagnn.DagNN.loadobj(net) ; % 'struct' To 'dagnn'

采用遍歷的方式進行信息提取：

function simple_net = deployNet(net) input = 'target'; output = 'block3x'; simple_net = []; simple_net.layers = []; simple_net.meta = net.meta;while ~strcmp(input,output)for i = 1:numel(net.layers)if numel(net.layers(i).inputs) == 1 && strcmp(net.layers(i).inputs{1},input)input = net.layers(i).outputs{1};if isa(net.layers(i).block,'dagnn.Conv')simple_net.layers{end+1} = struct(...'name', net.layers(i).name, ...'type', 'conv', ...'weights', {{net.params(net.getParamIndex(net.layers(i).params{1,1})).value,...net.params(net.getParamIndex(net.layers(i).params{1,2})).value}}, ...'pad', net.layers(i).block.pad, ...'stride', net.layers(i).block.stride,...'dilate',net.layers(i).block.dilate) ;elseif isa(net.layers(i).block,'dagnn.ReLU')simple_net.layers{end+1} = struct(...'name', deal(net.layers(i).name), ...'type', 'relu') ;elseif isa(net.layers(i).block,'dagnn.Pooling')simple_net.layers{end+1} = struct(...'name', deal(net.layers(i).name), ...'method',deal(net.layers(i).block.method),...'pool', deal(net.layers(i).block.poolSize),...'stride',deal(net.layers(i).block.stride),...'pad', deal(net.layers(i).block.pad),...'type', 'pool');elseif isa(net.layers(i).block,'dagnn.LRN')simple_net.layers{end+1} = struct(...'name', deal(net.layers(i).name), ...'type', 'lrn',...'param',net.layers(i).block.param) ;elseerror('No such layer!');endcontinue;endend end

很多同學問我，為什么要將訓練好的模型轉成DagNN之后，在進行網絡層和網絡參數提取。這是因為我需要用DagNN封轉好的一些函數，如getParamIndex()簡化流程。

一旦訓練好的網絡得到了如上處理就可以直接用于測試。測試函數為：

res = vl_simplenn(net, instance)

這里需要注意兩點： instance要求為single類型；我們需要用gpuArray(instance)將待測試數據放入到GPU中。

3. vl_simplenn解析

在使用vl_simplenn進行模型性能評估之前，我們都會進行如下操作：

net = vl_simplenn_tidy(net) % matconvnet的版本適應性 res = vl_simplenn(net, inputdata)

http://www.vlfeat.org/matconvnet/mfiles/simplenn/vl_simplenn/

總結

以上是生活随笔為你收集整理的关于Matconvnet中模型发布与共享的思考的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。