所有的层都具有的参数,如name, type, bottom, top和transform_param请参看我的前一篇文章:caffe学习笔记(1)
本文只讲解视觉层(Vision Layers)的参数,视觉层包括Convolution, Pooling, Local Response Normalization (LRN), im2col等层。
1、Convolution层:
就是卷积层,是卷积神经网络(CNN)的核心层。
层类型:Convolution
lr_mult: 学习率的系数,最终的学习率是这个数乘以solver.prototxt配置文件中的base_lr。如果有两个lr_mult, 则第一个表示权值的学习率,第二个表示偏置项的学习率。一般偏置项的学习率是权值学习率的两倍。
在后面的convolution_param中,我们可以设定卷积层的特有参数。
必须设置的参数:
num_output: 卷积核(filter)的个数
kernel_size: 卷积核的大小。如果卷积核的长和宽不等,需要用kernel_h和kernel_w分别设定
其它参数:
stride: 卷积核的步长,默认为1。也可以用stride_h和stride_w来设置。
pad: 扩充边缘,默认为0,不扩充。 扩充的时候是左右、上下对称的,比如卷积核的大小为5*5,那么pad设置为2,则四个边缘都扩充2个像素,即宽度和高度都扩充了4个像素,这样卷积运算之后的特征图就不会变小。也可以通过pad_h和pad_w来分别设定。
layer {
name: "conv1" //该层的名字,自己起
type: "Convolution" //该层的类型,这个类型决定了该层的参数和能进行的运算,层的类型还有很多,像下面的pooling等
bottom: "data" //代表该层的输入数据
top: "conv1"<span style="white-space:pre"> </span>//该层的输出数据<span style="white-space:pre"> </span>
param {
lr_mult: 1 //权值的学习率
}
param {
lr_mult: 2<span style="white-space:pre"> </span>//偏置项的学习率
}
convolution_param {
num_output: 20 //卷积核的个数
kernel_size: 5 //卷积核的尺寸
stride: 1<span style="white-space:pre"> </span>//卷积核的步长
weight_filler { //权值初始化,用xavier算法
type: "xavier"
}
bias_filler {<span style="white-space:pre"> </span>//偏置项初始化,constant为默认初始化为0
type: "constant"
}
}
}
layer {
name: "pool1"
type: "Pooling"
bottom: "conv1"
top: "pool1"
pooling_param {
pool: MAX
kernel_size: 3
stride: 2
}
}
pooling层的运算方法基本是和卷积层是一样的。
[1] Alex, Image Classification with Deep Convolutional Neural Network, NIPS 2012
[2] Lateral inhibition
layers {
name: "norm1"
type: LRN
bottom: "pool1"
top: "norm1"
lrn_param {
local_size: 5
alpha: 0.0001
beta: 0.75
}
}
4、im2col层
如果对matlab比较熟悉的话,就应该知道im2col是什么意思。它先将一个大矩阵,重叠地划分为多个子矩阵,对每个子矩阵序列化成向量,最后得到另外一个矩阵。
看一看图就知道了:
在caffe中,卷积运算就是先对数据进行im2col操作,再进行内积运算(inner product)。这样做,比原始的卷积操作速度更快。
看看两种卷积操作的异同: