Pytorch模型轉換Caffe模型踩坑指南，代碼使用的是Github上的工程，地址：https://github.com/longcw/pytorch2caffe
操作環境：ubuntu = 14.04
miniconda 3
caffe
pytorch = 0.2.0 torchvision = 0.1.8
python = 2.7
環境配置：
第一步 : 在miniconda創建一個虛擬環境pytorch2caffe : conda create -n pytorch2caffe python=2.7
第二步 : 激活虛擬環境 source activate pytorch2caffe
第三步 : 在該虛擬環境下安裝對應版本的pytorch和torchvision : conda install pytorch=0.2.0 torchvision=0.1.8 安裝完成后conda list看一看有沒有安裝成功對應的版本
第四步 : 在該虛擬環境下編譯caffe，官網指南鏈接 : http://caffe.berkeleyvision.org/install_apt.html
第五步 : 編譯配置caffe的python接口pycaffe，操作指南鏈接 : https://www.cnblogs.com/lyyang/p/6573846.html
配置環境的時候因Github上沒有關於這個項目的環境介紹，所以我以前用的是習慣的python 3.6和pytorch 0.4.0 ，而這個項目是用python 2.7寫的，所以在創建虛擬環境的時候使用python 2.7的環境，要不然之后也會有很多問題，pytorch和torchvision版本很重要。
博主調代碼時老是遇到：KeyError: ‘ExpandBackward’這個錯誤，在改變pytorch和torchvision版本后這個問題解決了，這個Github的項目比較久了，並不支持新版本的Pytorch，這就是我在配置操作環境下幫大家踩得坑啦。
在轉換自己的模型之前，先調通項目中的demo，驗證配置環境已經配置成功。項目中的demo是轉換Google的inception-v3模型，我們根據終端里提示的模型地址將模型下載到本地，然后將模型載入進行轉換。轉換成功之后在項目的demo文件夾中生成model.prototxt與model.caffemodel兩個新文件。測試的話將demo中設置test_mod = True，給定同樣的隨機輸入數據，測試兩個模型得出的結果。
遇到的問題：
caffe支持的卷積和池化層操作都是2D的，我的這個模型所做的卷積和池化操作都是1D的，當時找這個問題也花了很久的時間，沒想到caffe只支持2D的操作。我將原來的input_size=(1, 1, 1024)修改成了(1, 1, 1, 1024),然后做相應的2D卷積和池化操作。
我還遇到過的一個Import問題是：Segmentation fault (core dumped)這個問題的原因我不是很清楚，我在查看是哪個inport出問題時發現import caffe在import torch之后是並不會報這個錯誤，但是import torch之后再import caffe就會報這個錯誤。
在調試代碼時遇到過這個問題：ValueError: could not broadcast input array from shape (3，128) into shape (3，512)，這個問題和caffe的源碼有關，需要在caffe的proto文件中修改pooling層的參數optional bool ceil_mode = 13 [default = true]，而因為caffe版本的原因，我的caffe並沒有這個參數，所以要往現在caffe的源碼pooling層中將ceil_mode相關參數和代碼添加進去，然后重新編譯caffe與pycaffe。
1、在pooling_layer.hpp中往PoolingLayer類中添加ceil_mode_這個參數：
int height_, width_;
int pooled_height_, pooled_width_;
bool global_pooling_;
bool ceil_mode_; //添加的類成員變量
Blob<Dtype> rand_idx_;
Blob<int> max_idx_;
2、修改pooling_layer.cpp文件中相關參數，主要涉及到LayerSetUp函數和Reshape函數。
LayerSetUp函數修改如下：
|| (!pool_param.has_stride_h() && !pool_param.has_stride_w()))
<< "Stride is stride OR stride_h and stride_w are required.";
global_pooling_ = pool_param.global_pooling();
ceil_mode_ = pool_param.ceil_mode(); //添加的代碼，主要作用是從參數文件中獲取ceil_mode_的參數數值。
Reshape函數修改如下：
if (global_pooling_) {
kernel_h_ = bottom[0]->height();
kernel_w_ = bottom[0]->width();
//刪除下面四行代碼--------------------------------
pooled_height_ = static_cast<int>(ceil(static_cast<float>(
height_ + 2 * pad_h_ - kernel_h_) / stride_h_)) + 1;
pooled_width_ = static_cast<int>(ceil(static_cast<float>(
width_ + 2 * pad_w_ - kernel_w_) / stride_w_)) + 1;
// Specify the structure by ceil or floor mode
// 添加下面的代碼------------------------
if (ceil_mode_) {
pooled_height_ = static_cast<int>(ceil(static_cast<float>(
height_ + 2 * pad_h_ - kernel_h_) / stride_h_)) + 1;
pooled_width_ = static_cast<int>(ceil(static_cast<float>(
width_ + 2 * pad_w_ - kernel_w_) / stride_w_)) + 1;
} else {
pooled_height_ = static_cast<int>(floor(static_cast<float>(
height_ + 2 * pad_h_ - kernel_h_) / stride_h_)) + 1;
pooled_width_ = static_cast<int>(floor(static_cast<float>(
width_ + 2 * pad_w_ - kernel_w_) / stride_w_)) + 1;
}
3、修改caffe.proto文件中PoolingParameter的定義：
// Specify floor/ceil mode
optional bool ceil_mode = 13 [default = true];
4、重新編譯caffe與pycaffe
原文：https://blog.csdn.net/weixin_38501242/article/details/82624071