在caffe框架中新增新增乙個簡單的新層

沒錯，我又來水經驗了。在深度學習網路框架caffe中新增乙個簡單的新層，用來實現原框架中所沒有的功能：輸出一句話，以及乙個看起來似乎並沒有什麼實際作用的引數，下面詳細展開來說。

1. 首先，本文實現的layer名稱為allpasslayer，這裡不能和已有的層同名，功能為將輸入到該層的資料不做任何改變直接輸出到下一層（其間輸出一句話和乙個引數，證明資料確實經過了這個層）。allpasslayer層的forward和backwark實現非常容易，直接將輸入的blob資料複製到輸出的blob中，因此基本可以加入到任何已有網路中，不影響訓練和測試的結果。

2. 新增新的層aallpasslayer的實現，需要同其他的layer類一樣，分成宣告和實現兩個部分，對應放在.hpp和.cpp檔案中，如果用到gpu的話，還應該有相應的.cu檔案。其中.hpp標頭檔案放在/caffe-windows/include/caffe/layers/資料夾下，而 .cpp 和 .cu 放入/caffe-windows/src/caffe/layers下。這裡僅實現cpu上的**。

all_pass_layer.hpp

#ifndef caffe_all_pass_layer_hpp_  
#define caffe_all_pass_layer_hpp_ 
#include #include "caffe/blob.hpp" 
#include "caffe/layer.hpp" 
#include "caffe/proto/caffe.pb.h" 
#include "caffe/layers/neuron_layer.hpp"
namespace caffe 
virtual inline const char* type() const 
protected:
virtual void forward_cpu(const vector*>& bottom,
const vector*>& top);
virtual void forward_gpu(const vector*>& bottom,
const vector*>& top);
virtual void backward_cpu(const vector*>& top,
const vector& propagate_down, const vector*>& bottom);
virtual void backward_gpu(const vector*>& top,
const vector& propagate_down, const vector*>& bottom);
};} // namespace caffe 
#endif // caffe_all_pass_layer_hpp_

正如所看到的那樣，上面只是一些函式的宣告，並沒有具體的實現，實現的話要寫在.cpp檔案中。

all_pass_layer.cpp

#include #include #include "caffe/layers/all_pass_layer.hpp"  
#include using namespace std;
#define debug_ap(str) cout& bottom,
const vector*>& top) 
caffe_copy(count, bottom_data, top_data);
//注意：獲取引數的兩個變數 "all_pass_param" 和 "key"
debug_ap("here is all pass layer, forwarding.");
debug_ap(this->layer_param_.all_pass_param().key());
}template void allpasslayer::backward_cpu(const vector*>& top,
const vector& propagate_down,
const vector*>& bottom) 
caffe_copy(count, top_diff, bottom_diff);
}//同上
debug_ap("here is all pass layer, backwarding.");
debug_ap(this->layer_param_.all_pass_param().key());
}#ifdef cpu_only 
stub_gpu(allpasslayer);
#endif 
//注意：下面2行對層進行註冊，必不可少；注意巨集引數不能弄錯
instantiate_class(allpasslayer); // 類的名稱 allpasslayer
register_layer_class(allpass); // 層的名稱 allpass
} // namespace caffe

3.修改caffe.proto檔案

由於我們新新增的層是帶有引數的，因此需要在caffe.proto中進行相應的註冊和修改。

首先開啟caffe/src/caffe/proto/

caffe.proto檔案，找到message layerparameter{}，在這裡我們要為新新增的層註冊乙個類似於id的東西。

順便更改一下這個：

我們需要為新新增的層創造乙個message函式：

message allpassparameter

另外還要找到message v1layerparameter裡enum layertype處加入id，如下圖：

在message v1layerparameter的最後加入id：

如果新增的層引數用到之前沒有定義的引數變數，我們還要在message v0layerparameter{}加入定義，我們定義的有乙個引數key,因此需要在v0layerparameter中新增如下：

4. 另外還有乙個要修改的在~\caffe-master\src\caffe\util\內upgrade_proto.cpp裡const char* upgradev1layertype(const v1layerparameter_layertype type) {

這裡allpass與v1layerparameter內的type名稱要保持一致。

5. 最後一步，對於windows下來說，也是最重要的一部，找到caffe/windows/libcaffe/下的libcaffe.vcxproj和libcaffe.vcxproj.filters進行修改，加入.hpp,.cpp,.cu（如果有的話）檔案的路徑：

第一步，在libcaffe.vcxproj加入

第二步：在libcaffe.vcxproj.filters加入

最後再重新編譯caffe就可以了

以測試mnist為例，我將成功加入的層新增在了data層和第一層卷積層之間：

下面是用一張手寫體數字進行測試的結果：

可以看到成功輸出了一句話和乙個引數，說明新增新層成功了。^_^

在caffe框架中新增新增乙個簡單的新層

在新版caffe中新增center loss層

在 DataGridView中新增乙個統計行的技巧

在caffe中新增新的Layer

在caffe框架中新增新增乙個簡單的新層

在新版caffe中新增center loss層

在 DataGridView中新增乙個統計行的技巧

在caffe中新增新的Layer

相關推薦