原文：http://caffe.berkeleyvision.org/tutorial/layers.html

参考：http://blog.csdn.net/u011762313/article/details/47361571#vision-layers

记：总感觉对于caffe是一知半解，要深入深度学习，以及更好的去工程和实验，详细学习caffe是必须的。

Layers

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:  decay_mult:  }
  # 偏置项（biases）的学习速率因子和衰减因子
  param { lr_mult:  decay_mult:  }
  convolution_param {
    num_output:                # 96个滤波器（filters）
    kernel_size:               # 每个滤波器（filters）大小为11*
    stride:                     # 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.， 均值默认为0
    }
    bias_filler {
      type: "constant"           # 初始化偏置项（bias）为零
      value:
    }
  }
}

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）
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:               # 每次pool区域为3*3像素大小
    stride:                    # 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）

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，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）
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）
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)。

Caffe : Layer Catalogue(1)

Layers

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

个人收藏笔记记录

Layers

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

个人收藏笔记记录

开通VIP