一、数据准备
网络结构：lenet_lr.prototxt
训练好的模型：lenet_lr_iter_10000.caffemodel
下载地址：链接：https://pan.baidu.com/s/1uBDTKapT1yFHX4TEMaxQvQ 密码：2mla
二、利用pycaffe可视化，只需根据prototxt文件即可得到
~/caffe/caffe/examples/mnist$ python /home/tingpan/caffe/caffe/python/draw_net.py lenet_lr.prototxt lenet_lr.png
三、matlab权值可视化
1、切换至caffe目录下，在matlab目录中新建mnist_lr_weights_vis.m
clear;
clc;
close all;
addpath('matlab')
caffe.set_mode_cpu();
caffe.version()
net = caffe.Net('examples/mnist/lenet_lr.prototxt' , ...
'examples/mnist/lenet_lr_iter_10000.caffemodel', 'test');
net.layer_names
net.blob_names
ip_layer = net.layer_vec();
weight_blob = ip_layer.params();
w = weight_blob.get_data();
size(w) %784x10
bias_blob = ip_layer.params();
b = bias_blob.get_data();
size(b) %10x1 w = w - min(min(w));
w = w/(max(max(w)))*;
w = uint8(w);
figure; imshow(w);
imwrite(w, './matlab/ip_weight.bmp');
sprintf('finish')
2、点击运行
点击添加到路径。
3、输出：
ans =
1.0.
ans =
× cell 数组
'mnist'
'label_mnist_1_split'
'ip'
'ip_ip_0_split'
'accuracy'
'loss'
ans =
× cell 数组
'data'
'label'
'label_mnist_1_split_0'
'label_mnist_1_split_1'
'ip'
'ip_ip_0_split_0'
'ip_ip_0_split_1'
'accuracy'
'loss'
ans =
ans =
ans =
finish
4、分析
net内容为
可得matlab可视化得到的网络模型是
从图中可输出layer有6层（6个矩形），blob有9个（9个椭圆形或多边形）;
其中，InnerProduct（内积层，也即全连接层），存有权重信息。该权重尺寸为784x10，可推出blob的data的size为100x784，blob中的ip的size为100x10;
net.layer_vec中只有ip层的params不为空
其中第一个blob的size为748x10，为权重；第二个blob的size为10x1，为偏置参数。
得到的权值图片为：caffe/matlab/ip_weight.bmp
end