Caffe python layer 的自定义

还是caffe的自定义层问题。相比于c，python的自定义层更为简单：代码少、外部文件少、方便执行。因此用这种方法实现有利于开发和实验。

---

准备

首先还是要记得在编译的时候加上WITH_PYTHON_LAYER的选项，如果没有加可以先make clean删除编译后的文件，再重新编译。

WITH_PYTHON_LAYER=1 make && make pycaffe

如果出现

layer_factory.hpp:77] Check failed: registry.count(type) == 1 (0 vs. 1) Unknown layer type: Python

这样的错误，说明这一步没有成功。

---

net中的添加

在caffe的配置net里我们要输入有关层的信息，下面以EuclideanLossLayer层为例。简单来说我们可以直接使用，因为原本caffe里面已经包括了用c编写的代码，现在我们把它改编为python层。

layer {
  type: 'Python'
  name: 'loss'
  top: 'loss'
  bottom: 'ipx'
  bottom: 'ipy'
  python_param {
    # 模块名 -- 通常也是文件名 -- 需要放在 $PYTHONPATH 中
    module: 'pyloss'
    # 层名 -- 模块里的类名
    layer: 'EuclideanLossLayer'
  }
  # set loss weight so Caffe knows this is a loss layer
  loss_weight: 1
}

python的层文件需要在$PYTHONPATH目录下。在prototxt中，模块名是pyloss，这意味着你的包括EuclideanLossLayer类名的py文件名也应该是pyloss.py。

---

layer文件添加

# pyloss.py
import caffe
import numpy as np

class EuclideanLossLayer(caffe.Layer):

    def setup(self, bottom, top):
        # check input pair
        if len(bottom) != 2:
            raise Exception("Need two inputs to compute distance.")

    def reshape(self, bottom, top):
        # check input dimensions match
        if bottom[0].count != bottom[1].count:
            raise Exception("Inputs must have the same dimension.")
        # difference is shape of inputs
        self.diff = np.zeros_like(bottom[0].data, dtype=np.float32)
        # loss output is scalar
        top[0].reshape(1)

    def forward(self, bottom, top):
        self.diff[...] = bottom[0].data - bottom[1].data
        top[0].data[...] = np.sum(self.diff**2) / bottom[0].num / 2.

    def backward(self, top, propagate_down, bottom):
        for i in range(2):
            if not propagate_down[i]:
                continue
            if i == 0:
                sign = 1
            else:
                sign = -1
            bottom[i].diff[...] = sign * self.diff / bottom[i].num

---

总结

经测试文件应该没问题，可以读取运行。不过没有现成使用EuclideanLossLayer的网络，最后计算结果没有验证。

Caffe Python Layer