layer

layer.h & layer.c 定义了深度学习基本元素——层的各种属性&操作

类型	名称	意义
enum LAYER_TYPE	type	层的类型
enum ACTIVATION	activation	激活函数类型
COST_TYPE	cost_type	代价函数类型
void *	forward(...)	前馈函数指针
void *	backward(...)	反馈函数指针
void *	update(...)	参数更新函数指针
void *	forward_gpu(...)	gpu 前馈函数指针
void *	backward_gpu(...)	gpu 反馈函数指针
void *	update_gpu(...)	gpu 参数更新函数指针
int	batch_normalize	是否进行 batch_normalize
int	shortcut	?
int	batch	批量大小
int	forced	？
int	flipped	是否是翻转的
int	inputs	输入feature map 元素个数（1个batch）
int	outputs	输出feature map 元素个数（1个batch）
int	nweights	filter 中 weight 元素个数
int	nbiases	filter 中 bias 元素个数
int	extra	?
int	truths	ground truth box 数目（ e.g. 30*5）
int	h,w,c	输入feature map 的高度，宽度，厚度（channel数）
int	out_h,out_w,out_c	输出feature map 的高度，宽度，厚度（channel数）
int	n	不同层有不同含义，region_layer 表示每个cell boxes 数目，route_layer 表示有多少个层参与拼接
int	max_boxes	最大 ground truth box数目
int	groups	?softmax_tree 相关
int	size	？可能指一个预测的box的元素个数（=coords+classes+1）
int	side	?可能是最后一层feature map长宽
int	stride	滑动步长大小
int	reverse	是否翻转
int	flatten	是否摊平
int	pad	feature map 补0数目
int	sqrt	是否开根号
int	flip	是否翻转
int	binary	是否二进制权重
int	xnor	是否二进制权重&feature_map
int	steps	迭代次数
int	hidden	？
int	truth	？是否ground truth
float	smooth	？是否平滑
float	dot	？
float	angle	角度调整幅度
float	jitter	抖动调整幅度
float	saturation	饱和度调整幅度
float	exposure	过曝调整幅度
float	shift	平移调整幅度
float	ration	长宽调整幅度
float	learning_rate_scale	学习速率 scale 比例
int	softmax	？是否采用softmax
int	classes	类别数目（20）
int	coords	坐标个数（4）
int	background	？是否是背景
int	rescore	是否重定义分数（loss中 has object 的 confidence loss，0则回归到1,1则回归到IOU）
int	objectness	？
int	does_cost	？计算cost
int	joint	？链接
int	noadjust	？不调整
int	reorg	？是否重新组织顺序
int	log	？取对数
int	adam	是否采用adam sgd
float	B1	？adam参数
float	B2	？
float	eps	？
int	t	？
float	alpha	？
float	beta	？
float	kappa	？adam参数
float	coord_scale	loss中坐标loss系数
float	object_scale	loss中有物体loss系数
float	noobject_scale	loss中没有物体loss系数
float	class_scale	loss中物体分类softmax loss系数
int	bias_match	？
int	random	？
float	thresh	阈值
int	classfix	？
int	absolute	？
int	onlyforward	是否只进行前馈操作
int	stopbackward	是否停止反馈操作
int	dontload	？
int	dontloadscales	？
float	temperature	？
float	probability	？准确率
float	scale	？scale比例
char *	cweights	？滤波器weight参数值
int *	indexes	数据坐标值（在max pool中用来指示输入feature map的）
int *	input_layers
int *	input_sizes
int *	map
float *	rand
float *	cost
float *	state	？RNN LSTM
float *	prev_state	？
float *	forgot_state	？
float *	forgot_delta	？
float *	state_delta	？RNN LSTM
float *	concat	？
float *	concat_delta	？
float *	binary_weights	滤波器二进制weights值
float *	biases	滤波器biases参数值
float *	bias_updates	滤波器biases参数更新大小
float *	scales	？scale值
float *	scale_updates	？scale更新值
float *	weights	滤波器weight参数值
float *	weight_updates	滤波器weight参数更新大小
float *	delta	？？？？？？？梯度
float *	output	输出 feature map值 （注意没有输入feature map值，因为一般就是上一层的输出，从network中拿）
float *	squared	？平方值
float *	norms	？l1 l2正则化值
float *	spatial_mean	？空间平均值
float *	mean	？平均值
float *	variance	？方差
float *	mean_delta	？平均梯度
float *	variance_delta	？方差梯度
float *	rolling_mean	？波动平均
float *	rolling_variance	？波动方差
float *	x	？
float *	x_norm	？
float *	m	？
float *	v	？
float *	bias_m
float *	bias_v
float *	scale_m
float *	scale_v
float *	z_cpu
float *	r_cpu
float *	h_cpu
float *	binary_input
struct layer *	input_layer
struct layer *	self_layer
struct layer *	output_layer
struct layer *	input_gate_layer	RNN LSTM
struct layer *	state_gate_layer	RNN LSTM
struct layer *	input_save_layer	RNN LSTM
struct layer *	state_save_layer	RNN LSTM
struct layer *	input_state_layer	RNN LSTM
struct layer *	state_state_layer	RNN LSTM
struct layer *	input_z_layer	RNN LSTM
struct layer *	state_z_layer	RNN LSTM
struct layer *	input_r_layer	RNN LSTM
struct layer *	state_r_layer	RNN LSTM
struct layer *	input_h_layer	RNN LSTM
struct layer *	state_h_layer	RNN LSTM
tree *	softmax_tree	“界门纲目科属种”树，分词树，trie树
size_t	workspace_size

---

然后 layer.c 中实现了释放“对象”（内存）的函数，此处不再赘述