Caffe源代码学习 — AlexNet(Caffenet.py)

欢迎访问我的个人博客：zengzeyu.com

 

导言

---

源码位置：caffe/examples/pycaffe/caffenet.py
该文件源代码是经典模型AlexNet的Caffe实现，有兴趣的小伙伴去拜读一下论文: ImageNet Classification with Deep Convolutional Neural Networks.

 

源码解读

---

1. 导入模块

from __future__ import print_function
from caffe import layers as L, params as P, to_proto
from caffe.proto import caffe_pb2

2. 定义Layer函数

包括： 卷积层（Convolution Layer）、全连接层（Full Connected Layer）和池化层（Pooling Layer）

2.1 卷积层（Convolution Layer）函数

def conv_relu(bottom, ks, nout, stride=1, pad=0, group=1):
    conv = L.Convolution(bottom, kernel_size=ks, stride=stride,
                                num_output=nout, pad=pad, group=group)
    return conv, L.ReLU(conv, in_place=True)

1. 函数输入
- bottom - 输入节点（blob）名
- ks - 卷积核尺寸（kernel size）
- nout - 输出深度尺寸（number output）
- stride - 卷积核滑窗距离
- pad - 图像边缘添加尺寸，即在图像周围一周添加尺寸为pad的空白像素
- group - 将数据进行分开训练堆数目

2. 调用Caffe卷基层生成函数
- conv = L.Convolution(bottom, kernel_size=ks, stride=stride,num_output=nout, pad=pad, group=group)

3. 返回参数