Netクラスの使い方（Python / C++）

CaffeのNetクラスは、ニューラルネットワークモデルを定義・読み込み・実行するための中心的なクラスです。PythonおよびC++の両方のインターフェースで利用可能であり、訓練や推論、重みのロード・保存、レイヤーへのアクセスなど多くの機能を提供します。以下に、PythonとC++におけるNetクラスの使い方をそれぞれ詳しく説明します。

PythonにおけるNetクラスの使い方（PyCaffe）

1. インポートとネットワークのロード

python
import caffe

# モード設定（CPUまたはGPU）
caffe.set_mode_cpu()  # または caffe.set_mode_gpu()

# ネットワークの読み込み
net = caffe.Net('deploy.prototxt', 'weights.caffemodel', caffe.TEST)

  • 'deploy.prototxt'：ネットワーク定義ファイル（学習/推論の構造を定義）

  • 'weights.caffemodel'：学習済みの重みファイル

  • caffe.TEST：推論モード（訓練にはcaffe.TRAIN）

2. 入力データのセット

python
# 画像などのデータをネットワークに入力
net.blobs['data'].data[...] = input_data

  • blobs：各レイヤーの入力/出力を保持する辞書

  • 'data'：ネットワーク定義における入力名（通常は “data”）

3. 順伝播（フォワード）

python
output = net.forward()

  • 出力は辞書型で、各出力レイヤーの名称がキーになる

4. 逆伝播（訓練時）

python
net.backward()

  • net.blobs['label'].data[...] にラベルをセットしてから呼ぶ

5. 重みの保存

python
net.save('new_weights.caffemodel')

C++におけるNetクラスの使い方

C++では、CaffeのNetクラスはテンプレートクラス（Net<float>など）として使います。主にcaffe::Net名前空間内にあります。

1. ヘッダと名前空間

cpp
#include <caffe/caffe.hpp>
using namespace caffe;

2. モード設定とネットの初期化

cpp
Caffe::set_mode(Caffe::CPU);  // または Caffe::set_mode(Caffe::GPU);

Net<float> net("deploy.prototxt", TEST);  // TEST or TRAIN
net.CopyTrainedLayersFrom("weights.caffemodel");

3. 入力データの設定

cpp
std::vector<Blob<float>*> input_blobs = net.input_blobs();
float* input_data = input_blobs[0]->mutable_cpu_data();
// input_data に画像データなどをセット

4. 順伝播の実行

cpp
net.Forward();

5. 出力の取得

cpp
const boost::shared_ptr<Blob<float>> output_blob = net.blob_by_name("prob");
const float* result = output_blob->cpu_data();

補足事項

  • Pythonでは直感的で簡潔なAPIが提供されているため、デバッグやプロトタイピングに便利です。

  • C++ではパフォーマンス重視で、より細かい制御が可能です。

  • Netオブジェクトの内部にはlayers（各レイヤー）やparams（学習可能パラメータ）といった構造もあります。

生成日：2025/05/23