如何在Caffe中使用C++进行一次前向传递后同时获取4096维特征层和1000维类别层的数据？
我尝试在extract_features.cpp中查找相关信息，但它使用了一个奇怪的datum对象，所以我无法真正理解它的工作原理。
到目前为止，我只是简单地裁剪我的prototxt文件到我想提取的层，然后使用
[...]net->ForwardPrefilled();Blob<float> *output_layer = net->output_blobs()[0];const float *begin = output_layer->cpu_data();const float *end = begin + output_layer->channels();return vector<float>(begin, end);但如果我想同时提取两个特定的层（例如“prob”和“fc7”），这种方法就不适用了。
回答：
更新
extract_feature.cpp的简单工作流程（假设你在C++中有一个shared_ptr<Net<float> > net对象）：
-
执行网络前向传递处理输入：
net->Forward()。在这一步中，网络中的Data层用于读取输入图像。因此，如果在你自己的应用程序/代码中想要读取图像到cv::Mat image并将其输入到net中，你可以编写如下代码：// 数据预处理shared_ptr<caffe::DataTransformer<float> > data_transformer;caffe::TransformationParameter trans_para;// 设置均值trans_para.set_mean_file("/path/to/image_mean.binaryproto");// 设置裁剪大小，例如这里裁剪为227x227trans_para.set_crop_size(227);// 使用trans_para为图像预处理实例化一个DataTransformerdata_transformer.reset(new caffe::DataTransformer<float>(trans_para, caffe::TEST));const std::vector<caffe::Blob<float> *> net_input = net->input_blobs();// 可能需要在此步骤之前调整图像大小data_transformer->Transform(image, *net_input[0]);net->Forward();并且
net.prototxt应包含一个作为第一层的Input层，例如这个deploy.prototxt。 - 根据它们的名称获取特征blob：
const boost::shared_ptr<Blob<Dtype> > feature_blob = net->blob_by_name(blob_names[i]) -
从你获取的blob中提取特征数据到你想要的结构中，例如一个数组，一个简单的示例代码可以是：
count = feature_blob->channels() * feature_blob->height() * feature_blob->width();float* feature_array = new float[count]; const float* feature_blob_data = feature_blob->cpu_data() + feature_blob->offset(n); // 从批次中的第n个输入图像生成的特征数据 memcpy(feature_array, feature_blob_data, count * sizeof(float)); ...// 其他操作delete [] feature_array;
请注意，从feature_blob_data存储的数据是以行优先顺序排列的。
extract_feature.cpp的使用方式应该像这样用于你的任务：
path/to/extract_features your_pretrained_model.caffemodel \ net.prototxt 4096_dim_feature_blob_name,1000_dim_class_feature_blob_name \ saved_4096_dim_feature_database,saved_1000_dim_class_feature_database \ num_mini_batches(times for forward pass) lmdb(or leveldb) GPU(or CPU)net.prototxt应包含一个可以读取输入图像数据的数据层。
运行时，它将首先从net.prototxt中的数据层读取图像数据，并执行num_mini_batches次前向传递，提取两个特征blob 4096_dim_feature_blob_name和1000_dim_class_feature_blob_name的数据到Datum类型的结构中，然后序列化它们并保存到saved_4096_dim_feature_database和saved_1000_dim_class_feature_database数据库中，这些数据库是lmdb或leveldb类型。
完成后，你可以分别使用net.prototxt中的数据层从saved_4096_dim_feature_database和saved_1000_dim_class_feature_database读取保存的特征数据。
顺便说一下，datum是一个可以存储最多4D数据以及数据的形状和标签信息等的结构。它在caffe.proto中定义，使用google protobuf生成，便于在Caffe和LMDB和LEVELDB等数据库之间进行数据交换。
