【caffe】Layer解读之：Convolution

最新推荐文章于 2021-06-12 16:05:52 发布

yuanCruise

最新推荐文章于 2021-06-12 16:05:52 发布

阅读量2.5k

点赞数

分类专栏：深度学习框架 | caffe Caffe源码学习

本文链接：https://blog.csdn.net/qiu931110/article/details/81780511

版权

本文详细解析了Caffe框架中的卷积层(Convolution Layer)，包括其功能、输入输出格式及关键参数如滤波器个数、尺寸、填充、步长和分组等。通过对ConvolutionLayer的源代码分析，阐述了如何配置和使用这些参数来实现深度学习模型中的卷积操作。

摘要由CSDN通过智能技术生成

Layer type: Convolution
头文件位置：./include/caffe/layers/conv_layer.hpp
CPU 执行源文件位置: ./src/caffe/layers/conv_layer.cpp
CUDA GPU 执行源文件位置: ./src/caffe/layers/conv_layer.cu
Convolution层的功能：使用一组可学习的滤波器对输入图像进行卷积，每个滤波器在输出图像中生成一个特征映射。
输入
n * c_i * h_i * w_i
输出
n * c_o * h_o * w_o, where h_o = (h_i + 2 * pad_h - kernel_h) / stride_h + 1 and w_o likewise.

参数解读

  layer {
    name: "conv1"
    type: "Convolution"
    bottom: "data"
    top: "conv1"
    # 实际学习率 = 根据slover.prototxt中的base乘以下面系数
    # 权重学习率
    param { 
        lr_mult: 1 
        decay_mult: 1 
    }
    # 偏置学习率
    param { 
        lr_mult: 2 
        decay_mult: 0 
        }
    convolution_param {
      num_output: 96     
      kernel_size: 11     
      stride: 4