在新版caffe中添加center_loss层

准备工作：

1，首先你需要有一个可以make编译通过的caffe（这个过程在第一篇blog中已经写出）和一个带有center_loss层的caffe-face（可以直接在github上clone下来）

caffe-face网址：

https://github.com/ydwen/caffe-face

 下载命令如下：

git clone https://github.com/ydwen/caffe-face.git

---

 添加原因：

1，在分类问题上，center_loss可以很好的减小类类间距，增加类间距离。

参考blog网址：

https://blog.csdn.net/qq_14845119/article/details/53308996

---

前言：

      添加center_loss层需要有它的.cpp 、.cu以及相应的.hpp文件才能生成center_loss层，同时，需要修改caffe.proto。

这种‘搬砖’法也可以应用在其他层的替换。

---

具体过程如下： 

1，复制caffe-face的src/caffe/layers目录下的center_loss_layer.cpp和center_loss_layer.cu文件到caffe的相同位置的目录下；

2，复制caffe-face的include/caffe/layers目录下的center_loss_layer.hpp到caffe相同位置的目录下；

 3，修改caffe.proto文件

>>进入caffe的src/caffe/proto目录下打开caffe.proto文件，在网络层的定义部分，ID为148，last added:xxx，将网络名替换为center_loss_param

 >>并设置替换engine的默认值，将xxx的ID为147的设置替换为center_loss，如下：

 optional CenterLossParameter center_loss_param = 147;

>>在caffe.proto文件的末尾添加center_loss层的message CenterLossParameter：

message CenterLossParameter {
  optional uint32 num_output = 1; // The number of outputs for the layer
  optional FillerParameter center_filler = 2; // The filler for the centers
  // The first axis to be lumped into a single inner product computation;
  // all preceding axes are retained in the output.
  // May be negative to index from the end (e.g., -1 for the last axis).
  optional int32 axis = 3 [default = 1];
}

4，删掉src/caffe/layers以及include/caffe/layers目录下的xxx.cpp，xxx.cu以及xxx.hpp文件，或者进行压缩备份。

5，最后一步复制caffe-face的src/caffe/test目录下的test_neuron_layer.cpp文件替换到caffe下，或者修改caffe的src/caffe/test目录下的test_neuron_layer.cpp文件的内容（将文件内所有关于xxx_layer的内容都删掉）

---

修改完成后就可以编译caffe了，依次执行以下命令编译（如果你想加速可以在命令行末尾追加-jxx，其中xx（数值，如-j16）是看你内核数量的多少，不建议添加-jxx，经验教训是手动添加替换网络层后，高速编译可能会出现不必要的bug）：

make all
make test
make runtest
make pycaffe

没有bug出现即为编译成功。