在fully convolutional networks（fcn）中，會用到crop 層，他的主要作用是進行裁切。下面我們舉乙個例子來說明如何使用crop 層。
caffe中的資料是以 blobs形式存在的，blob是四維資料，即 （batch size, number of chennels, height, width）=(n, c, h, w)（0,1,2,3）。
crop層的輸入（bottom blobs）有兩個，讓我們假設為a和b，輸出（top）為c。
在這個例子中，軸0的維度不變，我們只需要裁切blob的軸1,2,3，所以axis的設定為axis=1，代表我們將會裁切軸1和它之後的所有軸。
有兩個裁切模式：
模式1---給出3個offsets，每個針對乙個dimension，offset=（25,128,128）
模式2---給出1個offset，適用於三個dimension，offset=25。
模式1的prototxt寫法如下：
layer
}
caffe詳解之資料層
從零開始，一步一步學習caffe的使用，期間貫穿深度學習和調參的相關知識！layer transform param data param 使用lmdb layer transform param data param 使用hdf5 layer 使用 使用記憶體 layer transform pa...
caffe詳解之softmax層
從零開始，一步一步學習caffe的使用，期間貫穿深度學習和調參的相關知識！softmax layer 輸出似然值 layers公式如下所示 softmax loss layer 輸出loss值 layer 公式如下所示 loss param 說明 enum normalizationmode 1 未...
caffe詳解之Dropout層
從零開始，一步一步學習caffe的使用，期間貫穿深度學習和調參的相關知識！dropout是乙個防止過擬合的層,只需要設定乙個dropout ratio就可以了。layer def dropout x,drop probability keep probability 1 drop probabili...