Caffe 数据增强源码解读--数据层与data_transformer

    深度学习训练中数据是基础，为了让模型的训练效果更好，泛化性能更强，数据增强是一种广泛采用的技巧。

     但是caffe官方的实现的一些数据输入层比如DataLayer、ImageDataLayer层所支持的数据增强操作实在比较有限，因此这里解读一下caffe中数据增强部分的代码，并分析如何修改源码增加数据增强的功能（主要是指明修改思路）

一、数据层相关的类图关系

      Caffe网络正向传导时，首先进行的是DataLayer数据层的传导。该层从文件读取数据，加载至它的上一层卷积层。反向传播时，因为数据层不需要反传，所以它的Backward_cpu()和Backward_gpu()都是空函数。下图为数据层的类图关系：

    最底层的基类（父类）为Layer层，这是所有层的基类。数据层的基类BaseDataLayer继承了Layer层，后面为BasePrefetchingDataLayer。

template <typename Dtype>
class BaseDataLayer : public Layer<Dtype> {
 public:
  explicit BaseDataLayer(const LayerParameter& param);
  // LayerSetUp: implements common data layer setup functionality, and calls
  // DataLayerSetUp to do special data layer setup for individual layer types.
  // This method may not be overridden except by the BasePrefetchingDataLayer.
  virtual void LayerSetUp(const vector<Blob<Dtype>*>& bottom,
      const vector<Blob<Dtype>*>& top);
  virtual void DataLayerSetUp(const vector<Blob<Dtype>*>& bottom,
      const vector<Blob<Dtype>*>& top) {}
  // Data layers have no bottoms, so reshaping is trivial.
  virtual void Reshape(const vector<Blob<Dtype>*>& bottom,
      const vector<Blob<Dtype>*>& top) {}

  virtual void Backward_cpu(const vector<Blob<Dtype>*>& top,
      const vector<bool>& propagate_down, const vector<Blob<Dtype&g