我是Caffe的新手，我想使用已经训练好的caffeNet模型来处理ImageNet数据。我通过移除中间的卷积层conv4进行了网络手术。

'layer {     name: "relu3"     type: "ReLU"     bottom: "conv3"     top: "conv3" } layer {     name: "relu5-new"     type: "ReLU"     bottom: "conv5-new"     top: "conv5-new" } layer {     name: "pool5-new"     type: "Pooling"     bottom: "conv5-new"     top: "pool5-new"     pooling_param {         pool: MAX         kernel_size: 3         stride: 2      } } layer {     name: "fc6"     type: "InnerProduct"     bottom: "pool5-new"     top: "fc6"     inner_product_param {     num_output: 4096     } }'

完整的prototxt文件可在此处找到

保存这个新网络后，准确率变为0。我应该在ImageNet验证集上进行微调，还是我的新prototxt文件有问题？

任何帮助都将不胜感激！

回答：

你最初使用的网络在conv3和conv5之间有conv4层：这意味着conv5的滤波器（权重）期望接收特定数量的输入以及输入的特定“顺序”或“含义”。一旦你移除了conv4，你就必须调整conv5以接受不同数量的输入。因此，新的conv5层必须经过训练以适应它接收到的新输入。
在这种情况下，当你引入新的conv5层时，你应该在prototxt中定义weight_filler来指导Caffe如何初始化新的权重。否则，Caffe会将权重设置为零，在这种情况下几乎不可能进行微调。