关于caffe中的blob结构及卷积计算汇总

传送门：根据博主这篇文章汇总：http://www.cnblogs.com/zjutzz/p/5960289.html

关于caffe中的blob结构及卷积计算

blob是caffe中的基本数据结构，简单理解就是一个“4维数组”。但是，这个4维数组有什么意义？

TensorFlow这款google出的框架，带出了tensor（张量）的概念。虽然是数学概念，个人还是倾向于简单理解为“多维数组”，那么放在这里，caffe的blob就相当于一个特殊的tensor了。而矩阵就是二维的张量。

首先，看看blob的4个维度：

num: 图像数量

channel：通道数量

width：图像宽度

height：图像高度

caffe中默认使用的SGD随机梯度下降，其实是mini-batch SGD
每个batch，就是一堆图片。这一个batch的图片，就存储在一个blob中。

当然，blob并不是这么受限的、专门给batch内的图片做存储用的。实际上，参数、梯度，也可以用blob存储的。只要是caffe的网络中传递的数据，都可以用blob存储。

而且，blob实际上也并不一定是4维的。它在实现上其实就是1维的指针，而我们作为用户感受到的“多个维度”是通过shape来操作的。

 

在用faster-rcnn训练的时候使用了ZF网络，有篇博客写到（下面有传送门）

参考博客：http://blog.csdn.net/sloanqin/article/details/51545125

卷积之后有一个∑和sigmoid的两个过程，前者是累加，后者是映射到0-1之间。具体到faster-rcnn，∑对应的就是：各个通道上对应位置做累加；而激活函数使用的应该是ReLU。anyway，这里的累加和激活函数处理后，通道数就变成了一个；也就是，对于一个滤波器，滑窗滤波+累加、激活函数后，得到的一个feature map。

具体点说，这里的滤波器（卷积核），是3维的，(Width,Height,Channel)这样；我们用它在一个feature map上按滑窗方式做卷积，其实是所有Channel上同时做sliding window的操作