caffe数学运算

caffe_cpu_gemm

$C=\alpha A^{TransA}{B}^{TransB}+\beta C$

void caffe_cpu_gemm(const CBLAS_TRANSPOSE TransA,
 const CBLAS_TRANSPOSE TransB, const int M, const int N, const int K,
    const Dtype alpha, const Dtype* A, const Dtype* B, const Dtype beta,
    Dtype* C);

caffe_cpu_gemv

$Y=\alpha A^{TransA}X+\beta Y$

template <typename Dtype>
void caffe_cpu_gemv(const CBLAS_TRANSPOSE TransA, const int M, const int N,const Dtype alpha, const Dtype* A, const Dtype* x, const Dtype beta,Dtype* y);

caffe_axpy

$Y=\alpha X+Y$

template <typename Dtype>
void caffe_axpy(const int N, const Dtype alpha, const Dtype* X,Dtype* Y);

caffe_cpu_axpby

$Y=\alpha X+\beta Y$

template <typename Dtype>
void caffe_cpu_axpby(const int N, const Dtype alpha, const Dtype* X,const Dtype beta, Dtype* Y);

caffe_copy

$Y=X$

template <typename Dtype>
void caffe_copy(const int N, const Dtype *X, Dtype *Y);

caffe_set

$Y=\alpha$

template <typename Dtype>
void caffe_set(const int N, const Dtype alpha, Dtype *X);

caffe_memset

inline void caffe_memset(const size_t N, const int alpha, void* X) {
  memset(X, alpha, N);  // NOLINT(caffe/alt_fn)
}

caffe_add_scalar

$X=X+\alpha$

template <typename Dtype>
void caffe_add_scalar(const int N, const Dtype alpha, Dtype *X);

caffe_scal

$X=\alpha X$

template <typename Dtype>
void caffe_scal(const int N, const Dtype alpha, Dtype *X);

caffe_sqr

$y_i=a_i^2$

template <typename Dtype>
void caffe_sqr(const int N, const Dtype* a, Dtype* y);

caffe_sqrt

$y_i=\sqrt{a_i}$

template <typename Dtype>
void caffe_sqrt(const int N, const Dtype* a, Dtype* y);

caffe_add

$y_i=a_i+b_i$

template <typename Dtype>
void caffe_add(const int N, const Dtype* a, const Dtype* b, Dtype* y);

caffe_sub

$y_i=a_i-b_i$

template <typename Dtype>
void caffe_sub(const int N, const Dtype* a, const Dtype* b, Dtype* y);

caffe_mul

$y_i=a_i\times b_i$

template <typename Dtype>
void caffe_mul(const int N, const Dtype* a, const Dtype* b, Dtype* y);

caffe_div

$y_i=a_i/b_i$

template <typename Dtype>
void caffe_div(const int N, const Dtype* a, const Dtype* b, Dtype* y);

caffe_powx

$y_i=a_i^b$

template <typename Dtype>
void caffe_powx(const int n, const Dtype* a, const Dtype b, Dtype* y);

caffe_rng_rand

返回随机数

unsigned int caffe_rng_rand();

caffe_nextafter

template <typename Dtype>
Dtype caffe_nextafter(const Dtype b);

caffe_rng_uniform

产生[a,b]范围的均匀分布

template <typename Dtype>
void caffe_rng_uniform(const int n, const Dtype a, const Dtype b, Dtype* r);

caffe_rng_gaussian

$产生服从(\nu ,\sigma )的高斯分布$

template <typename Dtype>
void caffe_rng_gaussian(const int n, const Dtype mu, const Dtype sigma,Dtype* r);

caffe_rng_bernoulli

产生概率为p的伯努利分布

template <typename Dtype>
void caffe_rng_bernoulli(const int n, const Dtype p, int* r);

caffe_rng_bernoulli

产生概率为p的伯努利分布

template <typename Dtype>
void caffe_rng_bernoulli(const int n, const Dtype p, unsigned int* r);

caffe_exp

$y_i=e^{a_i}$

template <typename Dtype>
void caffe_exp(const int n, const Dtype* a, Dtype* y);

caffe_log

$y_i=log(a_i)$

template <typename Dtype>
void caffe_log(const int n, const Dtype* a, Dtype* y);

caffe_abs

$y_i=|a_i|$

template <typename Dtype>
void caffe_abs(const int n, const Dtype* a, Dtype* y);

caffe_cpu_dot

${\sum }_i^n{x}_i{y}_i$

template <typename Dtype>
Dtype caffe_cpu_dot(const int n, const Dtype* x, const Dtype* y);

caffe_cpu_strided_dot

${\sum }_i^n{x}_{i\ast incx}{y}_{i\ast incy}$

template <typename Dtype>
Dtype caffe_cpu_strided_dot(const int n, const Dtype* x, const int incx,const Dtype* y, const int incy);

caffe_cpu_asum

${\sum }_i^n|x_i|$

// Returns the sum of the absolute values of the elements of vector x
template <typename Dtype>
Dtype caffe_cpu_asum(const int n, const Dtype* x);