Caffe 代码解读之全连接层concat layer

最新推荐文章于 2024-09-03 18:10:16 发布

白鹭飞燕

最新推荐文章于 2024-09-03 18:10:16 发布

阅读量2.7w

点赞数 6

分类专栏：机器学习概念整理深度学习

本文链接：https://blog.csdn.net/bailufeiyan/article/details/50876728

版权

本文深入解析Caffe中的concat层，探讨如何将多个layer拼接在一起。内容涵盖官方文档、layer的setup、reshape、Forward_cpu和Backward_cpu过程，特别解释了bottom的vector blob用法、CHECK_**宏的作用以及count函数在blob层中的意义，帮助读者掌握全连接层在前向传播和反向传播中的实现细节。

摘要由CSDN通过智能技术生成

今天，我们看一下caffe的拼接层，即将两个或多个layer进行拼接。
首先，看一下caffe官方文档。
concat

同其他layer一样，分为setup、reshape、Forward_cpu、Backward_cpu。

//concat_layer 用来实现两个或者多个blob的链接，即多输入一输出
//支持在num 维度上的链接（concat_dim = 0 : (n1+n2+...+nk)∗c∗h∗w ）
//和channel维度上的链接（concat_dim = 1 : n∗(c1+c2+...+ck)∗h∗w）。

//axis ，dim ：0 为 num 维度链接，1 为 channel 维度链接
//这里需要给出axis或concat_dim
template <typename Dtype>
void ConcatLayer<Dtype>::LayerSetUp(const vector<Blob<Dtype>*>& bottom,
      const vector<Blob<Dtype>*>& top) {
  const ConcatParameter& concat_param = this->layer_param_.concat_param();
  CHECK(!(concat_param.has_axis() && concat_param.has_concat_dim()))
      << "Either axis or concat_dim should be specified; not both.";
}

template <typename Dtype>
void ConcatLayer<Dtype>::Reshape(const vector<Blob<Dtype>*>& bottom,
      const vector<Blob<Dtype>*>& top) {
  //获取axis，确定拼接哪一维度
  const int num_axes = bottom[0]->num_axes();
  const ConcatParameter& concat_param = this->layer_param_.concat_param();
  //以下都在获取、判断axis的