Python layer

最新推荐文章于 2024-09-13 21:30:00 发布

Hi_Panda_CRL

最新推荐文章于 2024-09-13 21:30:00 发布

阅读量3.3k

点赞数

分类专栏： Computer Vision Deep Learning

本文链接：https://blog.csdn.net/grief_of_the_nazgul/article/details/51966408

版权

这篇博客介绍了如何使用Python编写Caffe的数据层，特别是在 Fully Convolutional Networks for Semantic Segmentation 论文代码的基础上，解释了如何定义和使用python_layer。内容包括数据层的setup、reshape、forward和backward函数的实现，以及python_param中的module、layer和param_str参数的用法。作者还提到了训练时可能遇到的问题以及解决办法，即更新PYTHONPATH以包含自定义层的路径。

摘要由CSDN通过智能技术生成

Fully Convolutional Networks for Semantic Segmentation 论文中公布的代码作为示例，解释python层该怎么写。
https://github.com/shelhamer/fcn.berkeleyvision.org

First

you have to build Caffe with WITH_PYTHON_LAYER option 1. Run make clean to delete all the compiled binaries. Then > WITH_PYTHON_LAYER=1 make && make pycaffe

caffe的大多数层是由c++写成的，借助于c++的高效性，网络可以快速训练。
但是我们有时候需要自己写点输入层以应对各种不同的数据输入，比如你因为是需要在图像中取块而不想写成LMDB，这时候可以考虑使用python直接写一个层。而且输入层不需要GPU加速，所需写起来也比较容易。

每个类都是层，类的名字就是layer参数的名字。这两个都是数据输入层，由于需要一个data，一个label，所以有两个top，没有bottom。
类直接继承的是caffe.Layer，然后必须重写setup()，reshape()，forward()，backward()函数，其他的函数可以自己定义，没有限制。
setup()是类启动时该做的事情，比如层所需数据的初始化。
reshape()就是取数据然后把它规范化为四维的矩阵。每次取数据都会调用此函数。
forward()就是网络的前向运行，这里就是把取到的数据往前传递，因为没有其他运算。
backward()就是网络的反馈，data层是没有反馈的，所以这里就直接pass。