我必须使用 Torch 框架训练一个卷积神经网络,然后用 C 语言编写相同的网络。为此,我必须以某种方式从我的 C 程序中读取网络的学习参数,但我找不到方法将 Torch 张量转换或写入文件以使它们在 C 中可读。理想情况下,我想将张量转换为 C 中的双精度数组。
有谁知道这是怎么做到的吗?提前致谢 :)
我必须使用 Torch 框架训练一个卷积神经网络,然后用 C 语言编写相同的网络。为此,我必须以某种方式从我的 C 程序中读取网络的学习参数,但我找不到方法将 Torch 张量转换或写入文件以使它们在 C 中可读。理想情况下,我想将张量转换为 C 中的双精度数组。
有谁知道这是怎么做到的吗?提前致谢 :)
我找不到将 Torch 张量转换或写入文件以使其在 C 中可读的方法。理想情况下,我想将张量转换为 C 中的双精度数组。
最基本(也是直接)的方法是直接fread
在 C 中将您之前写入的数据写入二进制文件。在这种情况下,您通常会连接每一层的权重和偏差(如果有)。
在 Lua/Torch 方面,您可以使用File实用程序来fwrite
逐个处理张量数据。例如,这是一个执行此操作的基本函数:
local fwrite = function(tensor, file)
if not tensor then return false end
local n = tensor:nElement()
local s = tensor:storage()
return assert(file:writeDouble(s) == n)
end
例如,如果m
引用torch/nn
包含权重的模块,您将按如下方式使用它:
local file = torch.DiskFile("net.bin", "w"):binary()
fwrite(m.weight, file)
fwrite(m.bias, file)
当然,您需要编写自己的逻辑来确保您fwrite
连接所有层的所有权重。在 C 端,除了net.bin
,您还需要知道网络的结构(nb. 层、内核大小等参数)才能知道double
-s 到fread
.
作为示例(在 Lua 中),您可以查看说明如何读取这种普通二进制文件的overfeat-torch(非官方项目):请参阅ParamBank工具。
请记住,一个强大的解决方案将包括使用适当的二进制序列化格式,如msgpack或Protocol Buffers,这将使此导出/导入过程干净且可移植。
--
这是一个玩具示例:
-- EXPORT
require 'nn'
local fwrite = function(tensor, file)
if not tensor then return false end
local n = tensor:nElement()
local s = tensor:storage()
return assert(file:writeDouble(s) == n)
end
local m = nn.Linear(2, 2)
print(m.weight)
print(m.bias)
local file = torch.DiskFile("net.bin", "w"):binary()
fwrite(m.weight, file)
fwrite(m.bias, file)
然后在C中:
/* IMPORT */
#include <stdio.h>
#include <stdlib.h>
#include <assert.h>
int
main(void)
{
const int N = 2; /* nb. neurons */
double *w = malloc(N*N*sizeof(*w)); /* weights */
double *b = malloc(N*sizeof(*w)); /* biases */
FILE *f = fopen("net.bin", "rb");
assert(fread(w, sizeof(*w), N*N, f) == N*N);
assert(fread(b, sizeof(*w), N, f) == N);
fclose(f);
int i, j;
for (i = 0; i < N; i++)
for (j = 0; j < N; j++)
printf("w[%d,%d] = %f\n", i, j, w[N*i+j]);
for (i = 0; i < N; i++)
printf("b[%d] = %f\n", i, b[i]);
free(w);
free(b);
return 0;
}