学習済みモデルの保存と読み込み

Caffeにおける「学習済みモデルの保存と読み込み」について詳しく説明します。この機能は、学習を途中で中断して再開したり、学習済みの重みをテストや転移学習に利用する際に重要です。

---

1. 学習済みモデルの保存

Caffeでは、solver.prototxt に以下のような設定を記述することで、定期的にスナップショット（学習中のネットワークの状態）を保存することができます。

設定項目

plaintext
snapshot: 1000
snapshot_prefix: "models/my_model"

• snapshot: 何イテレーションごとにスナップショットを保存するか（例：1000イテレーションごと）。

• snapshot_prefix: 保存するファイルのプレフィックス。実際には以下のようなファイルが保存されます。

保存されるファイル例

plaintext
models/my_model_iter_1000.caffemodel   // 重みファイル
models/my_model_iter_1000.solverstate  // ソルバーの状態（学習再開用）

---

2. モデルの読み込み

(1) テストやファインチューニングのための読み込み

train_val.prototxt や deploy.prototxt を用いた推論やファインチューニングの際、caffe.Net クラスを使って .caffemodel ファイルを読み込みます。

Python例（PyCaffe）

python
import caffe

net = caffe.Net('deploy.prototxt', 'models/my_model_iter_1000.caffemodel', caffe.TEST)

C++例

cpp
caffe::Net<float> net("deploy.prototxt", caffe::TEST);
net.CopyTrainedLayersFrom("models/my_model_iter_1000.caffemodel");

---

(2) 学習の再開（resume training）

学習の途中から再開するには、.solverstate ファイルを指定します。

コマンドライン

bash
caffe train --solver=solver.prototxt --snapshot=models/my_model_iter_1000.solverstate

この方法では、オプティマイザの状態（例えば、SGDのモーメンタム値など）も復元されるため、完全な学習の再開が可能です。

---

3. deploy用のモデル

推論専用で使用する際は、deploy.prototxt（学習に不要なレイヤーを除いた定義ファイル）と、学習済み .caffemodel を組み合わせます。

特記事項

• deploy.prototxt では data レイヤーを省略し、input フィールドで入力サイズを指定するのが一般的です。

• 推論時には caffe.TEST モードを使用してください。

---

まとめ

必要に応じてこれらのファイルを適切に保存・管理することが、効率的なモデル開発と実運用につながります。