caffe数据结构(二): Layer

最新推荐文章于 2020-02-24 17:07:48 发布

雨后天空sunny

最新推荐文章于 2020-02-24 17:07:48 发布

阅读量1.6k

点赞数

分类专栏： caffe初级文章标签： caffe 数据结构源码

本文链接：https://blog.csdn.net/sinat_16577223/article/details/78979086

版权

Caffe中的Layer作为基本计算单元，具备输入Bottom Blob和输出Top Blob。部分Layer包含权重和偏置。它涉及前向传播和反向传播两个主要操作。LayerParameter在 caffe.proto 中定义，用于扩展新层参数。Layer类为抽象基类，不直接实例化，包含构造函数、析构函数以及配置接口。其中，配置虚函数由具体层类型实现，而变形函数为纯虚函数，用于调整Blob形状。

摘要由CSDN通过智能技术生成

Layer是caffe 基本计算单元, 至少有一个输入Blob(Bottom) 和输出Blob(Top), 部分layer带有weight 和bias项.
两个运算方向:前向传播和反向传播.

相关数据结构,位于caffe.proto中的LayerParameter部分:
(当增加新的LayerParameter域时,要更新下一个可用ID, 这在自定义层时会用到.)

// NOTE
// Update the next available ID when you add a new LayerParameter field.
//
// LayerParameter next available layer-specific ID: 147 (last added: recurrent_param)
//当增加新的LayerParameter域时,要更新下一个可用ID, 这在自定义层时会用到.
message LayerParameter {
  optional string name = 1; // the layer name
  optional string type = 2; // the layer type
  repeated string bottom = 3; // the name of each bottom blob
  repeated string top = 4; // the name of each top blob

  optional Phase phase = 10; //当前阶段(train or test)

  //为每个Top Blob 分配对损失函数的权重,每个layer都有默认值,0不参与计算,1参与计算.
  repeated float loss_weight = 5;

  repeated ParamSpec param = 6; //指定训练参数

  repeated BlobProto blobs = 7; //承载了该层数值参数的blob

  // The size must be either 0 or equal to the number of bottoms.
  repeated bool propagate_down = 11;//是否对Bottom Blob进行反向传播,该字段维度要与Bottom Blob个数一致

  //控制某个层在某个时刻是否包含在网络中
  repeated NetStateRule include = 8;
  repeated NetStateRule exclude = 9;

  // Parameters for data pre-processing.
  optional TransformationParameter transform_param = 100; //数据预处理参数

  // Parameters shared by loss layers.
  optional LossParameter loss_param = 101; //所有损失层共享参数

  // Layer type-specific parameters.
  //特定类型层的参数
  optional AccuracyParameter accuracy_param = 102;
  optional ArgMaxParameter argmax_param = 103;
  optional BatchNormParameter batch_norm_param = 139;
  optional BiasParameter bias_param = 141;
  optional ConcatParameter concat_param = 104;
  optional ContrastiveLossParameter contrastive_loss_param = 105;
  optional ConvolutionParameter convolution_param = 106;
  optional CropParameter crop_param = 144;
  optional DataParameter data_param = 107;
  optional DropoutParameter dropout_param = 108;
  optional DummyDataParameter dummy_data_param = 109;
  optional EltwiseParameter eltwise_param = 110;
  optional ELUParameter elu_param = 140;
  optional EmbedParameter embed_param = 137;
  optional ExpParameter exp_param = 111;
  optional FlattenParameter flatten_param = 135;
  optional HDF5DataParameter hdf5_data_param = 112;
  optional HDF5OutputParameter hdf5_output_param = 113;
  optional HingeLossParameter hinge_loss_param = 114;
  optional ImageDataParameter image_data_param = 115;
  optional InfogainLossParameter infogain_loss_param = 116;
  optional InnerProductParameter inner_product_param = 117;
  optional InputParameter input_param = 143;
  optional LogParameter log_param = 134;
  optional LRNParameter lrn_param = 118;
  optional MemoryDataParameter memory_data_param = 119;
  optional MVNParameter mvn_param = 120;
  optional ParameterParameter parameter_param = 145;
  optional PoolingParameter pooling_param = 121;
  optional PowerParameter power_param = 122;
  optional PReLUParameter prelu_param = 131;
  optional PythonParameter python_param = 130;
  optional RecurrentParameter recurrent_param = 146;
  optional ReductionParameter reduction_param = 136;
  optional ReLUParameter relu_param = 123;
  optional ReshapeParameter reshape_param = 133;
  optional ScaleParameter scale_param = 142;
  optional SigmoidParameter sigmoid_param = 124;
  optional SoftmaxParameter softmax_param = 125;
  optional SPPParameter spp_param = 132;
  optional SliceParameter slice_param = 126;
  optional TanHParameter tanh_param = 127;
  optional ThresholdParameter threshold_param = 128;
  optional TilePa