Caffe学习：Layers
目录：
- Vision Layers
- Convolution
- Pooling
- Local Response Normalization LRN
- im2col
- Loss Layers
- Softmax
- Sum-of-Squares Euclidean
- Hinge Margin
- Sigmoid Cross-Entropy
- Infogain
- Accuracy and Top-k
- Activation Neuron Layers
- ReLU Rectified-Linear and Leaky-ReLU
- Sigmoid
- TanH Hyperbolic Tangent
- Absolute Value
- Power
- BNLL
- Data Layers
- Database
- In-Memory
- HDF5 Input
- HDF5 Output
- Images
- Windows
- Dummy
- Common Layers
- Inner Product
- Splitting
- Flattening
- Reshape
- Concatenation
- Slicing
- Elementwise Operations
- Argmax
- Softmax
- Mean-Variance Normalization
原文
- 要想创建一个Caffe模型，需要在prototxt中定义一个model architecture（模型架构）。
- Caffe自带的Layer及其参数被定义在caffe.proto中。
Vision Layers
- 头文件： ./include/caffe/vision_layers.hpp
Vision layers 通常以图片images作为输入，运算后产生输出的也是图片images。对于图片而言，可能是单通道的(c=1)，例如灰度图，或者三通道的 (c=3)，例如RGB图。但是，对于Vision layers而言，最重要的特性是输入的spatial structure（空间结构）。2D的几何形状有助于输入处理，大部分的Vision layers工作是对于输入图片中的某一个区域做一个特定的处理，产生一个相应的输出。与此相反，其他大部分的layers会忽略输入的空间结构，而只是将输入视为一个很大的向量，维度为： c*h*w。
Convolution
- 类型（type）：Convolution（卷积层）
- CPU 实现： ./src/caffe/layers/convolution_layer.cpp
- CUDA、GPU实现： ./src/caffe/layers/convolution_layer.cu
- 参数 （convolution_param）：
- 必要：
- num_output (c_o): the number of filters（滤波器数目）
- kernel_size (or kernel_h and kernel_w): specifies height and width of each filter（每一个滤波器的大小）
- 强烈推荐：
- weight_filler [default type: ‘constant’ value: 0]（滤波器权重，默认为0）
可选：
- bias_term [default true]: specifies whether to learn and apply a set of additive biases to the filter outputs（是否添加bias-偏置项，默认为True）
- pad (or pad_h and pad_w) [default 0]: specifies the number of pixels to (implicitly) add to each side of the input（为输入添加边界的像素大小，默认为0）
- stride (or stride_h and stride_w) [default 1]: specifies the intervals at which to apply the filters to the input（每一次使用滤波器处理输入图片时，前后两次处理区域的间隔，即“步进”，默认为1）
- group (g) [default 1]: If g > 1, we restrict the connectivity of each filter to a subset of the input. Specifically, the input and output channels are separated into g groups, and the ith output group channels will be only connected to the ith input group channels.（默认为1，如果大于1：将限制每一个滤波器只与输入的一部分连接。输入、输出通道会被分隔为不同的g个groups，并且第i个输出group只会与第i个输出group相关）
输入（Input）
- n * c_i * h_i * w_i
- 输出（Output）
n * c_o * h_o * w_o，其中h_o = (h_i + 2 * pad_h - kernel_h) / stride_h + 1；w_o类似
例子(详见 ./examples/imagenet/imagenet_train_val.prototxt)
layer {
name: "conv1" # 名称：conv1
type: "Convolution" # 类型：卷积层
bottom: "data" # 输入层：数据层
top: "conv1" # 输出层：卷积层1
# 滤波器（filters）的学习速率因子和衰减因子
param { lr_mult: 1 decay_mult: 1 }
# 偏置项（biases）的学习速率因子和衰减因子
param { lr_mult: 2 decay_mult: 0 }
convolution_param {
num_output: 96 # 96个滤波器（filters）
kernel_size: 11 # 每个滤波器（filters）大小为11*11
stride: 4 # 每次滤波间隔为4个像素
weight_filler {
type: "gaussian" # 初始化高斯滤波器（Gaussian）
std: 0.01 # 标准差为0.01， 均值默认为0
}
bias_filler {
type: "constant" # 初始化偏置项（bias）为零
value: 0
}
}
}卷积层（The Convolution layer）利用一系列具有学习功能的滤波器（learnable filters）对输入的图像进行卷积操作，每一个滤波器（filter）对于一个特征（feature ）会产生一个输出图像（output image）。
Pooling
- 类型（type）：Pooling（池化层）
- CPU 实现： ./src/caffe/layers/pooling_layer.cpp
- CUDA、GPU实现： ./src/caffe/layers/pooling_layer.cu
参数 （pooling_param）：
- 必要：
- kernel_size (or kernel_h and kernel_w): specifies height and width of each filter（每一个滤波器的大小）
- 可选：
- pool [default MAX]: the pooling method. Currently MAX, AVE, or STOCHASTIC（pooling方法，目前有MAX、AVE,和STOCHASTIC三种，默认为MAX）
- pad (or pad_h and pad_w) [default 0]: specifies the number of pixels to (implicitly) add to each side of the input（为输入添加边界的像素大小，默认为0）
- stride (or stride_h and stride_w) [default 1]: specifies the intervals at which to apply the filters to the input（每一次使用滤波器处理输入图片时，前后两次处理区域的间隔，即“步进”，默认为1）
- 必要：
输入（Input）
- n * c_i * h_i * w_i
输出（Output）
- n * c_o * h_o * w_o，其中h_o = (h_i + 2 * pad_h - kernel_h) / stride_h + 1；w_o类似
例子(详见 ./examples/imagenet/imagenet_train_val.prototxt)
layer {
name: "pool1" # 名称：pool1
type: "Pooling" # 类型：池化层
bottom: "conv1" # 输入层：卷积层conv1
top: "pool1" # 输出层：池化层pool1
pooling_param {
pool: MAX # pool方法：MAX
kernel_size: 3 # 每次pool区域为3*3像素大小
stride: 2 # pool步进为2
}
}Local Response Normalization (LRN)
- 类型（type）：LRN（局部响应归一化层）
- CPU 实现： ./src/caffe/layers/lrn_layer.cpp
- CUDA、GPU实现： ./src/caffe/layers/lrn_layer.cu
- 参数 （lrn_param）：
- 可选：
- local_size [default 5]: the number of channels to sum over (for cross channel LRN) or the side length of the square region to sum over (for within channel LRN)（对于cross channel LRN，表示需要求和的channel的数量；对于within channel LRN表示需要求和的空间区域的边长；默认为5）
- alpha [default 1]: the scaling parameter（缩放参数，默认为1）
- beta [default 5]: the exponent（指数，默认为5）
- norm_region [default ACROSS_CHANNELS]: whether to sum over adjacent channels (ACROSS_CHANNELS) or nearby spatial locaitons (WITHIN_CHANNEL)（选择基准区域，是ACROSS_CHANNELS => 相邻channels，还是WITHIN_CHANNEL => 同一 channel下的相邻空间区域；默认为ACROSS_CHANNELS）
- 可选：
LRN Layer对一个局部的输入区域进行归一化，有两种模式。ACROSS_CHANNELS模式，局部区域在相邻的channels之间拓展，不进行空间拓展，所以维度是local_size x 1 x 1。WITHIN_CHANNEL模式，局部区域进行空间拓展，但是是在不同的channels中，所以维度是1 x local_size x local_size。对于每一个输入，都要除以：，其中n是局部区域的大小，求和部分是对该输入值为中心的区域进行求和（必要时候可以补零）。
im2col
Im2col 是一个helper方法，用于将图片文件image转化为列矩阵，详细的细节不需要过多的了解。在Caffe中进行卷积操作，做矩阵乘法时，会用到Im2col方法。
Loss Layers
Caffe是通过最小化输出output与目标target之间的cost（loss）来驱动学习的。loss是由forward pass计算得出的，loss的gradient 是由backward pass计算得出的。
Softmax
- 类型（type）：SoftmaxWithLoss（广义线性回归分析损失层）
Softmax Loss Layer计算的是输入的多项式回归损失（multinomial logistic loss of the softmax of its inputs）。可以当作是将一个softmax layer和一个multinomial logistic loss layer连接起来，但是计算出的gradient更可靠。
Sum-of-Squares / Euclidean
- 类型（type）：EuclideanLoss（欧式损失层）
Euclidean loss layer计算两个不同输入之间的平方差之和，
Hinge / Margin
- 类型（type）：HingeLoss
- CPU 实现： ./src/caffe/layers/hinge_loss_layer.cpp
- CUDA、GPU实现： 尚无
参数 （hinge_loss_param）：
- 可选：
- norm [default L1]: the norm used. Currently L1, L2（可以选择使用L1范数或者L2范数；默认为L1）
- 可选：
输入（Input）
- n * c * h * w Predictions（预测值）
- n * 1 * 1 * 1 Labels（标签值）
输出（Output）
- 1 * 1 * 1 * 1 Computed Loss（计算得出的loss值）
例子
# 使用L1范数
layer {
name: "loss" # 名称：loss
type: "HingeLoss" # 类型：HingeLoss
bottom: "pred" # 输入：预测值
bottom: "label" # 输入：标签值
}
# 使用L2范数
layer {
name: "loss" # 名称：loss
type: "HingeLoss" # 类型：HingeLoss
bottom: "pred" # 输入：预测值
bottom: "label" # 输入：标签值
top: "loss" # 输出：loss值
hinge_loss_param {
norm: L2 # 使用L2范数
}
}- 关于范数：
Sigmoid Cross-Entropy
- 类型（type）：SigmoidCrossEntropyLoss
- （没有详解）
Infogain
- 类型（type）：InfogainLoss
- （没有详解）
Accuracy and Top-k
- 类型（type）：Accuracy
- 计算输出的准确率（相对于target），事实上这不是一个loss layer，并且也没有backward pass。
Activation / Neuron Layers
激励层的操作都是element-wise的操作（针对每一个输入blob产生一个相同大小的输出）：
- 输入（Input）
- n * c * h * w
- 输出（Output）
- n * c * h * w
ReLU / Rectified-Linear and Leaky-ReLU
- 类型（type）：ReLU
- CPU 实现： ./src/caffe/layers/relu_layer.cpp
- CUDA、GPU实现： ./src/caffe/layers/relu_layer.cu
参数 （relu_param）：
- 可选：
- negative_slope [default 0]: specifies whether to leak the negative part by multiplying it with the slope value rather than setting it to 0.（但当输入x小于0时，指定输出为negative_slope * x；默认值为0）
- 可选：
例子(详见 ./examples/imagenet/imagenet_train_val.prototxt)
layer { name: "relu1" type: "ReLU" bottom: "conv1" top: "conv1" }给定一个输入值x，ReLU layer的输出为：x > 0 ? x : negative_slope * x，如未给定参数negative_slope 的值，则为标准ReLU方法：max(x, 0)。ReLU layer支持in-place计算，输出会覆盖输入，以节省内存空间。
Sigmoid
- 类型（type）：Sigmoid
- CPU 实现： ./src/caffe/layers/sigmoid_layer.cpp
CUDA、GPU实现： ./src/caffe/layers/sigmoid_layer.cu
例子(详见 ./examples/mnist/mnist_autoencoder.prototxt)
layer { name: "encode1neuron" bottom: "encode1" top: "encode1neuron" type: "Sigmoid" }对于每一个输入值x，Sigmoid layer的输出为sigmoid(x)。
TanH / Hyperbolic Tangent
- 类型（type）：TanH
- CPU 实现： ./src/caffe/layers/tanh_layer.cpp
CUDA、GPU实现： ./src/caffe/layers/tanh_layer.cu
例子
layer { name: "layer" bottom: "in" top: "out" type: "TanH" }对于每一个输入值x，TanH layer的输出为tanh(x)。
Absolute Value
- 类型（type）：AbsVal
- CPU 实现： ./src/caffe/layers/absval_layer.cpp
CUDA、GPU实现： ./src/caffe/layers/absval_layer.cu
例子
layer { name: "layer" bottom: "in" top: "out" type: "AbsVal" }对于每一个输入值x，AbsVal layer的输出为abs(x)。
Power
- 类型（type）：Power
- CPU 实现： ./src/caffe/layers/power_layer.cpp
- CUDA、GPU实现： ./src/caffe/layers/power_layer.cu
参数 （power_param）：
- 可选：
- power [default 1]（指数，默认为1）
- scale [default 1]（比例，默认为1）
- shift [default 0]（偏移，默认为0）
- 可选：
例子
layer { name: "layer" bottom: "in" top: "out" type: "Power" power_param { power: 1 scale: 1 shift: 0 }
}对于每一个输入值x，Power layer的输出为(shift + scale * x) ^ power。
BNLL
- 类型（type）：BNLL（二项正态对数似然，binomial normal log likelihood）
- CPU 实现： ./src/caffe/layers/bnll_layer.cpp
- CUDA、GPU实现： ./src/caffe/layers/bnll_layer.cu
- 例子
layer { name: "layer" bottom: "in" top: "out" type: BNLL }对于每一个输入值x，BNLL layer的输出为log(1 + exp(x))。
Data Layers
Data 通过Data Layers进入Caffe，Data Layers位于Net的底部。
Data 可以来自：1、高效的数据库（LevelDB 或 LMDB）；2、内存；3、HDF5或image文件（效率低）。
基本的输入预处理（例如：减去均值，缩放，随机裁剪，镜像处理）可以通过指定TransformationParameter达到。
Database
- 类型（type）：Data（数据库）
- 参数：
- 必要：
- source: the name of the directory containing the database（数据库名称）
- batch_size: the number of inputs to process at one time（每次处理的输入的数据量）
- 可选：
- rand_skip: skip up to this number of inputs at the beginning; useful for asynchronous sgd（在开始的时候跳过这个数值量的输入；这对于异步随机梯度下降是非常有用的）
- backend [default LEVELDB]: choose whether to use a LEVELDB or LMDB（选择使用LEVELDB 数据库还是LMDB数据库，默认为LEVELDB）
- 必要：
In-Memory
- 类型（type）：MemoryData
- 参数：
- 必要：
- batch_size, channels, height, width: specify the size of input chunks to read from memory（4个值，确定每次读取输入数据量的大小）
- 必要：
Memory Data Layer从内存直接读取数据（而不是复制数据）。使用Memory Data Layer之前，必须先调用，MemoryDataLayer::Reset（C++方法）或Net.set_input_arrays（Python方法）以指定一个source来读取一个连续的数据块（4D，按行排列），每次读取大小由batch_size决定。
HDF5 Input
- 类型（type）：HDF5Data
- 参数：
- 必要：
- source: the name of the file to read from（读取的文件的名称）
- batch_size（每次处理的输入的数据量）
- 必要：
HDF5 Output
- 类型（type）：HDF5Output
参数：
- 必要：
- file_name: name of file to write to（写入的文件的名称）
HDF5 output layer与这部分的其他layer的功能正好相反，不是读取而是写入。
- 必要：
Images
- 类型（type）：ImageData
- 参数：
- 必要：
- source: name of a text file, with each line giving an image filename and label（一个text文件的名称，每一行指定一个image文件名和label）
- batch_size: number of images to batch together（每次处理的image的数据）
- 可选：
- rand_skip: （在开始的时候跳过这个数值量的输入）
- shuffle [default false]（是否随机乱序，默认为否）
-new_height, new_width: if provided, resize all images to this size（缩放所有的image到新的大小）
- 必要：
Windows
- 类型（type）：WindowData
- （没有详解）
Dummy
- 类型（type）：DummyData
DummyData 用于开发和测试，详见DummyDataParameter（没有给出链接）。
Common Layers
Inner Product
- 类型（type）：Inner Product（全连接层）
- CPU 实现： ./src/caffe/layers/inner_product_layer.cpp
- CUDA、GPU实现： ./src/caffe/layers/inner_product_layer.cu
参数 （inner_product_param）：
- 必要：
- num_output (c_o): the number of filters（滤波器数目）
- 强烈推荐：
- weight_filler [default type: ‘constant’ value: 0]（滤波器权重；默认类型为constant，默认值为0）
- 可选：
- bias_filler [default type: ‘constant’ value: 0]（bias-偏置项的值，默认类型为constant，默认值为0）
- bias_term [default true]: specifies whether to learn and apply a set of additive biases to the filter outputs（是否添加bias-偏置项，默认为True）
- 必要：
输入（Input）
- n * c_i * h_i * w_i
输出（Output）
- n * c_o * 1 * 1
例子
layer {
name: "fc8" # 名称：fc8
type: "InnerProduct" # 类型：全连接层
# 权重（weights）的学习速率因子和衰减因子
param { lr_mult: 1 decay_mult: 1 }
# 偏置项（biases）的学习速率因子和衰减因子
param { lr_mult: 2 decay_mult: 0 }
inner_product_param {
num_output: 1000 # 1000个滤波器（filters）
weight_filler {
type: "gaussian" # 初始化高斯滤波器（Gaussian）
std: 0.01 # 标准差为0.01， 均值默认为0
}
bias_filler {
type: "constant" # 初始化偏置项（bias）为零
value: 0
}
}
bottom: "fc7" # 输入层：fc7
top: "fc8" # 输出层：fc8
}InnerProduct layer（常被称为全连接层）将输入视为一个vector，输出也是一个vector（height和width被设为1）
Splitting
- 类型（type）：Split
Split layer用于将一个输入的blob分离成多个输出的blob。这用于当需要将一个blob输入至多个输出layer时。
Flattening
- 类型（type）：Flatten
Flatten layer用于把一个维度为n * c * h * w的输入转化为一个维度为 n * (c*h*w)的向量输出。
Reshape
- 类型（type）：Reshape
- CPU 实现： ./src/caffe/layers/reshape_layer.cpp
- CUDA、GPU实现： 尚无
参数 （reshape_param）：
- 可选：
- shape（改变后的维度，详见下面解释）
- 可选：
输入（Input）
- a single blob with arbitrary dimensions（一个任意维度的blob）
输出（Output）
- the same blob, with modified dimensions, as specified by reshape_param（相同内容的blob，但维度根据reshape_param改变）
例子
layer {
name: "reshape" # 名称：reshape
type: "Reshape" # 类型：Reshape
bottom: "input" # 输入层名称：input
top: "output" # 输出层名称：output
reshape_param {
shape {
dim: 0 # 这个维度与输入相同
dim: 2
dim: 3
dim: -1 # 根据其他维度自动推测
}
}
}Reshape layer只改变输入数据的维度，但内容不变，也没有数据复制的过程，与Flatten layer类似。
输出维度由reshape_param 指定，正整数直接指定维度大小，下面两个特殊的值：
- 0 => 表示copy the respective dimension of the bottom layer，复制输入相应维度的值。
- -1 => 表示infer this from the other dimensions，根据其他维度自动推测维度大小。reshape_param中至多只能有一个-1。
再举一个例子：如果指定reshape_param参数为：{ shape { dim: 0 dim: -1 } } ，那么输出和Flattening layer的输出是完全一样的。
Concatenation
- 类型（type）：Concat（连结层）
- CPU 实现： ./src/caffe/layers/concat_layer.cpp
- CUDA、GPU实现： ./src/caffe/layers/concat_layer.cu
参数 （concat_param）：
- 可选：
- axis [default 1]: 0 for concatenation along num and 1 for channels.（0代表连结num，1代表连结channel）
- 可选：
输入（Input）
-n_i * c_i * h * w for each input blob i from 1 to K.（第i个blob的维度是n_i * c_i * h * w，共K个）输出（Output）
- if axis = 0: (n_1 + n_2 + … + n_K) * c_1 * h * w, and all input c_i should be the same.（axis = 0时，输出 blob的维度为(n_1 + n_2 + … + n_K) * c_1 * h * w，要求所有的input的channel相同）
- if axis = 1: n_1 * (c_1 + c_2 + … + c_K) * h * w, and all input n_i should be the same.（axis = 0时，输出 blob的维度为n_1 * (c_1 + c_2 + … + c_K) * h * w，要求所有的input的num相同）
例子
layer { name: "concat" bottom: "in1" bottom: "in2" top: "out" type: "Concat" concat_param { axis: 1 }
}Concat layer用于把多个输入blob连结成一个输出blob。
Slicing
Slice layer用于将一个input layer分割成多个output layers，根据给定的维度（目前只能指定num或者channel）。
- 类型（type）：Slice
- 例子
layer {
name: "slicer_label"
type: "Slice"
bottom: "label"
## 假设label的维度是：N x 3 x 1 x 1
top: "label1"
top: "label2"
top: "label3"
slice_param {
axis: 1 # 指定维度为channel
slice_point: 1 # 将label[~][1][~][~]赋给label1
slice_point: 2 # 将label[~][2][~][~]赋给label2
# 将label[~][3][~][~]赋给label3
}
}axis表明是哪一个维度，slice_point是该维度的索引，slice_point的数量必须是top blobs的数量减1.
Elementwise Operations
- 类型（type）： Eltwise
- （没有详解）
Argmax
- 类型（type）：ArgMax
- （没有详解）
Softmax
- 类型（type）：Softmax
- （没有详解）
Mean-Variance Normalization
- 类型（type）：MVN
- （没有详解）