我正在努力将预训练的 matconvnet 模型手动转换为 tensorflow 模型。我使用 scipy.io 从 matconvnet 模型 mat 文件中提取了权重/偏差，并获得了权重和偏差的 numpy 矩阵。
代码片段，其中 data 是从 scipy.io 返回的字典:
for i in data['net2']['layers']:
if i.type == 'conv':
model.append({'weights': i.weights[0], 'bias': i.weights[1], 'stride': i.stride, 'padding': i.pad, 'momentum': i.momentum,'lr': i.learningRate,'weight_decay': i.weightDecay})
...
weights = {
'wc1': tf.Variable(model[0]['weights']),
'wc2': tf.Variable(model[2]['weights']),
'wc3': tf.Variable(model[4]['weights']),
'wc4': tf.Variable(model[6]['weights'])
}
...
例如，model[0]['weights'] 是从 matconvnet 模型中提取的 4x4x60 numpy 矩阵 for 层。这就是我为 9x9 输入定义占位符的方式。
X = tf.placeholder(tf.float32, [None, 9, 9]) #also tried with [None, 81] with a tf.reshape, [None, 9, 9, 1]
当前问题:我无法获得匹配的排名。我一直得到 ValueError:
ValueError: Shape must be rank 4 but is rank 3 for 'Conv2D' (op: 'Conv2D') with input shapes: [?,9,9], [4,4,60]
总结
- 是否可以从 numpy 数组明确定义 tensorflow 模型的权重？
- 为什么我的权重矩阵的秩是 4？我的 numpy 数组应该更像 [?, 4, 4, 60] 吗？我可以那样做吗？
尝试失败:
- 旋转 numpy 矩阵:我知道 matlab 和 python 有不同的索引，(基于 0 的索引与基于 1 的索引，行主索引与列主索引)。尽管我相信我已经适本地转换了所有内容，但我仍然尝试使用像 np.rot90() 这样的库将 4x4x60 数组更改为 60x4x4。
- 使用 tf.reshape:在用 tf.Variable 包装器包装权重后，我尝试在权重上使用 tf.reshape，但我得到 Variable has no attribute 'reshape'
注意: 请注意，我知道有许多脚本可以从 matconvnet 到 caffe，从 caffe 到 tensorflow(如此处所述，例如，https://github.com/vlfeat/matconvnet/issues/1021)。我的问题与 tensorflow 权重初始化选项有关:
请您参考如下方法:
我用 tf.reshape(...) 克服了这个障碍(而不是调用 weights['wc1'].reshape(...) )。我仍然不确定性能，或者这是否是一种非常幼稚的尝试。
更新 进一步测试，这种方法似乎至少在功能上是可行的(因为我已经创建了一个 TensorFlow CNN 模型，它将运行并产生与 MatConvNet 模型一致的预测。我不做任何声明关于两者之间的准确性)。
我正在分享我的代码。在我的例子中，这是一个非常小的网络——如果您试图将此代码用于您自己的 matconvnet 到 tensorflow 项目，您可能需要更多修改:https://github.com/melissadale/MatConv2TensorFlow
