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