2.3.2 Layer：

  用于模型和计算的基础。所有的Pooling，Convolve, apply nonlinearities等操作都在这里实现。Layer中：input data用bottom表示，output data用top表示。每一层定义了三种操作setup(Layer初始化)，forward(正向传导，根据input计算output)，backward(反向传导计算，根据output计算input的梯度)。forward&backward有CPU和GPU两种方式的实现。

 

1、layer源码分析

$ cd caffe/examples/mnist

$ vim lenet.prototxt

1 name: "LeNet" //该层的名称，可随意取

2 layer {

3 name: "data"

4 type: "Input"

5 top: "data" //第一层只有输入

6 input_param { shape: { dim: 64 dim: 1 dim: 28 dim: 28 } }

7 }

8 layer {

9 name: "conv1"

10 type: "Convolution"

11 bottom: "data" //输入数据’input data’

12 top: "conv1" //输出数据’output data’

13 param {

14 lr_mult: 1

15 }

16 param {

17 lr_mult: 2

18 }

 

（2）实例说明

layer {

name: "cifar" //表示该层名称，可随意取

type: "Data" //层类型，如果是Data，表示数据来源于LevelDB或LMDB。根据数据的来源不同，数据层的类型也不同（后面会详细阐述）。一般在练习的时候，我们都是采用的LevelDB或LMDB数据，因此层类型设置为Data。

top: "data" //top或bottom: 每一层用bottom来输入数据，用top来输出数据。如果只有top没有bottom，则此层只有输出，没有输入。反之亦然。如果有多个 top或多个bottom，表示有多个blobs数据的输入和输出。

top: "label" //data 与 label: 在数据层中，至少有一个命名为data的top。如果有第二个top，一般命名为label。 这种(data,label)配对是分类模型所必需的。

include { // 一般训练的时候和测试的时候，模型的层是不一样的。该层（layer）是属于训练阶段的层，还是属于测试阶段的层，需要用include来指定。如果没有include参数，则表示该层既在训练模型中，又在测试模型中。

phase: TRAIN

}

transform_param { //Transformations: 数据的预处理，可以将数据变换到定义的范围内。

scale: 0.00390625 //如设置scale为0.00390625，实际上就是1/255, 即将输入数据由0-255归一化到0-1之间

mean_file_size: "examples/cifar10/mean.binaryproto"// 用一个配置文件来进行均值操作

mirror: 1 // 1表示开启镜像，0表示关闭，也可用ture和false来表示

crop_size: 227 //剪裁一个 227*227的图块，在训练阶段随机剪裁，在测试阶段从中间裁剪

 

}

data_param {

source: "examples/cifar10/cifar10_train_lmdb"

batch_size: 100

backend: LMDB

 

（3）五种衍生layers: data_layer、neuron_layer、loss_layer、common_layer、vision_layer

a、data_layer

主要包含与数据有关的文件。data是caffe数据入口网络的最底层，并支持多种格式，在这之中有5种LayerType:

1、数据来自于数据库（如LevelDB和LMDB）

DATA	用于LevelDB或LMDB数据格式的输入类型， 输入参数：source，batch_size,(rand_skip),(backend)。后两个可选。
layer { name: "mnist" type: "Data" top: "data" top: "label" include { phase: TRAIN } transform_param { scale: 0.00390625 } data_param { source: "examples/mnist/mnist_train_lmdb" //包含数据库的目录名称 batch_size: 64 //每次处理的数据个数 backend: LMDB //选择是采用LevelDB还是LMDB, 默认是LevelDB } } // rand_skip: 在开始的时候，路过某个数据的输入。通常对异步的SGD很有用。

 

2、数据来自于内存

层类型：MemoryData

MEMORY_DATA	可以直接从内存读取数据，使用时需要调用MemoryDataLayer::Reset. 输入参数：batch_size,channels,height,width。
layer { top: "data" top: "label" name: "memory_data" type: "MemoryData" memory_data_param{ batch_size: 2 //每一次处理的数据个数 height: 100 //高度 width: 100 //宽度 channels: 1 //通道数 } transform_param { scale: 0.0078125 mean_file: "mean.proto" mirror: false } }

 

3、数据来自于HDF5

HDF5_DATA	HDF5数据格式输入的类型。 输入参数：source，batch_size。
layer { name: "data" type: "HDF5Data" top: "data" top: "label" hdf5_data_param { source: "examples/hdf5_classification/data/train.txt" batch_size: 10 } }

 

4、数据来自于HDF5_OUTPUT

HDF5_OUTPUT

HDF5数据格式输出的类型。 输入参数：file_name。

 

5、数据来自于ImageData

ImageData

图像格式数据输入的类型。 输入参数：source，batch_size,(rand_skip),(shuffle),(new_height).(new_width)。

layer { name: "data" type: "ImageData" top: "data" top: "label" transform_param { mirror: false crop_size: 227 mean_file: "data/ilsvrc12/imagenet_mean.binaryproto" } image_data_param { source: "examples/_temp/file_list.txt" //一个文本文件的名字，每一行给定一个图片文件的名称和标签（label) batch_size: 50 //每一次处理的数据个数，即图片数 new_height: 256 //如果设置，则将图片进行resize new_width: 256 //如果设置，则将图片进行resize } } 可选：  rand_skip: 在开始的时候，路过某个数据的输入。通常对异步的SGD很有用。   shuffle: 随机打乱顺序，默认值为false

 

注：其实还有两种WINDOW_DATA，DUMMY_DATA用于测试和预留的接口，不重要。

b、neuron_layer

同样是数据的操作层，neuron_layer实现里有大量的激活函数，具有相同的bottom，top size. Caffe中大量的激活函数，对输入数据进行激活操作（实际上就是一种函数变换），是逐元素进行运算的。从bottom得到一个blob数据输入，运算后，从top输入一个blob数据。在运算过程中，没有改变数据的大小，即输入和输出的数据大小是相等的。

输入：n*c*h*w

输出：n*c*h*w

它们的父类都是NeuronLayer

Template<typename Dtype>

class NeuronLayer: public Layer<Dtype>

1、Sigmoid

对每个输入数据，利用sigmoid函数执行操作。这种层设置比较简单，没有额外的参数

Sigmoid
layer { name: "encode1neuron" bottom: "encode1" top: "encode1neuron" type: "Sigmoid" }

 

2、ReLU

ReLU是目前使用最多的激活函数，主要因为其收敛更快，并且能保持同样效果。

ReLU
layer { name: "relu1" type: "ReLU" bottom: "pool1" top: "pool1" } 注：可选参数negative_slope：默认为0. 对标准的ReLU函数进行变化，如果设置了这个值，那么数据为负数时，就不再设置为0，而是用原始数据乘以negative_slope。

 

3、TanH / Hyperbolic Tangent

利用双曲正切函数对数据进行变换。

TanH
layer { name: "layer" bottom: "in" top: "out" type: "TanH" }

 

4、Absolute Value

求每个输入数据的绝对值。

AbsVal
layer { name: "layer" bottom: "in" top: "out" type: "AbsVal" }

 

5、Power

对每个输入数据进行幂运算

Power
layer { name: "layer" bottom: "in" top: "out" type: "Power" power_param { power: 2 //默认为1 scale: 1 //默认为1 shift: 0 //默认为0 } }

 

 

6、BNLL/binomial normal log likelihood的简称

BNLL	f(x)=log(1 + exp(x))
layer { name: "layer" bottom: "in" top: "out" type: “BNLL” }

 

 

c、loss_layer

Loss层计算网络误差，一般放在最后一层，loss_layer.hpp头文件调用情况：

#include”caffe/blob.hpp” #include”caffe/common.hpp” #include”caffe/layer.hpp” #include”caffe/neuron_layers.hpp” #include”caffe/proto/caffe.pb.h”

调用neuron,是调用其中的函数计算loss,caffe实现了大量的loss function,它们的父类都是lossLayer.

Template<typename Dtype>

class LossLayer: public Layer<Dtype>

d、common_layer

主要进行vision_layer的连接。

 

InnerProductLayer常常用作为全连接层 SplitLayer 用于一输入、多输出的场合（对blob） FlattenLayer 将n*c*h*w变成向量的格式n*(c*h*w)*1*1 ConcatLayer 用于多输入、一输出的场合 SlienceLayer：用于一输入、多输出的场合（对layer）

e、vision_layer

视觉层包括Convolution, Pooling, Local Response Normalization (LRN), im2col等层

1、Convolution层：就是卷积层，是卷积神经网络（CNN）的核心层。

Convolution	参数：num_output、stride、pad、weight_filler、bias_filler、bias_term、group
输入：n*c0*w0*h0 输出：n*c1*w1*h1 其中，c1就是参数中的num_output，生成的特征图个数  w1=(w0+2*pad-kernel_size)/stride+1;  h1=(h0+2*pad-kernel_size)/stride+1; 如果设置stride为1，前后两次卷积部分存在重叠。如果设置pad=(kernel_size-1)/2,则运算后，宽度和高度不变。
layer { name: "conv1" type: "Convolution" bottom: "data" top: "conv1" param { lr_mult: 1 } param { lr_mult: 2 //学习率的系数，最终的学习率是这个数乘以solver.prototxt配置文件中的base_lr。如果有两个lr_mult, 则第一个表示权值的学习率，第二个表示偏置项的学习率。一般偏置项的学习率是权值学习率的两倍。 } convolution_param { num_output: 20 //卷积核（filter)的个数 kernel_size: 5 //卷积核的大小。如果卷积核的长和宽不等，需要用kernel_h和kernel_w分别设定. stride: 1 //卷积核的步长，默认为1。也可以用stride_h和stride_w来设置 Pad: 0 //扩充边缘，默认为0，不扩充。 扩充的时候是左右、上下对称的，比如卷积核的大小为5*5，那么pad设置为2，则四个边缘都扩充2个像素，即宽度和高度都扩充了4个像素,这样卷积运算之后的特征图就不会变小。也可以通过pad_h和pad_w来分别设定。 weight_filler { type: "xavier" //权值初始化。 默认为“constant",值全为0，很多时候我们用"xavier"算法来进行初始化，也可以设置为”gaussian } bias_filler { type: "constant" //偏置项的初始化。一般设置为"constant",值全为0 } } } 注：可选参数： bias_term: 是否开启偏置项，默认为true, 开启    　　 group: 分组，默认为1组。如果大于1，我们限制卷积的连接操作在一个子集内。如果我们根据图像的通道来分组，那么第i个输出分组只能与第i个输入分组进行连接。

2、Pooling层 ：也叫池化层，为了减少运算量和数据维度而设置的一种层。

　　pad: 和卷积层的pad的一样，进行边缘扩充。默认为0

 示例：

Pooling	参数： kernel_size、pool、pad、stride
pooling层的运算方法基本是和卷积层是一样的。 输入：n*c*w0*h0 输出：n*c*w1*h1 和卷积层的区别就是其中的c保持不变  w1=(w0+2*pad-kernel_size)/stride+1;  h1=(h0+2*pad-kernel_size)/stride+1; 如果设置stride为2，前后两次卷积部分不重叠。100*100的特征图池化后，变成50*50.
layer { name: "pool1" type: "Pooling" bottom: "conv1" top: "pool1" pooling_param { pool: MAX //pool: 池化方法，默认为MAX。目前可用的方法有MAX, AVE, 或STOCHASTIC kernel_size: 3 //池化的核大小。也可以用kernel_h和kernel_w分别设定。 stride: 2 //池化的步长，默认为1。一般我们设置为2，即不重叠。也可以用stride_h和stride_w来设置 pad: 0 //和卷积层的pad的一样，进行边缘扩充。默认为0 } }

　　

3、Local Response Normalization (LRN)层

此层是对一个输入的局部区域进行归一化，达到“侧抑制”的效果。可去搜索AlexNet或GoogLenet，里面就用到了这个功能

LRN	参数（全部可选）：local_size、alpha、beta、norm_region
归一化公式：对于每一个输入, 去除以 ，得到归一化后的输出
layers { name: "norm1" type: LRN bottom: "pool1" top: "norm1" lrn_param { local_size: 5 //默认为5。如果是跨通道LRN，则表示求和的通道数；如果是在通道内LRN，则表示求和的正方形区域长度。 alpha: 0.0001 //默认为1，归一化公式中的参数。 beta: 0.75 //默认为5，归一化公式中的参数。 } } 注：可选参数　 norm_region: 默认为ACROSS_CHANNELS。有两个选择，ACROSS_CHANNELS表示在相邻的通道间求和归一化。WITHIN_CHANNEL表示在一个通道内部特定的区域内进行求和归一化。与前面的local_size参数对应。

 

4、im2col层

它先将一个大矩阵，重叠地划分为多个子矩阵，对每个子矩阵序列化成向量，最后得到另外一个矩阵。

在caffe中，卷积运算就是先对数据进行im2col操作，再进行内积运算（inner product)。这样做，比原始的卷积操作速度更快