零基础学caffe源码 ReLU激活函数

原创 2016年08月03日 17:30:19

1、如何有效阅读caffe源码

1、caffe源码阅读路线最好是从src/cafffe/proto/caffe.proto开始，了解基本数据结构内存对象和磁盘文件的一一映射关系，中间过程都由ProtoBuffer工具自动完成。

2、看include/目录中.hpp头文件，通过头文件类申明理解整个框架。从基类向派生类，掌握这些类。

3、看src/目录中.cpp和.cu源文件，亦可以按需求派生新的类。

4、编写各类工具，集成到caffe内部，如tools/下就有训练模型，提取特征，转换数据格式等工具。

2、ReLU激活函数

激活函数，用在各个卷积层和全连接层输出位置。激活函数是深度网络非线性的主要来源。通常包括：simgoid（f(x)=(1+e-x)-1）和tanh（f(x)=sinhx/coshx,图形类似于arctanx，但是值域是[-1,1]）作为激活函数。

用ReLU（f(x)=max(0,x)）作为激活函数的原因是：加速收敛、解决了梯度消失问题

3、ReLU函数caffe源码解析

在models/bvlc_alexnet/train_val.prototxt网络模型设置中找到了ReLU层描述

[cpp] view plain copy

//ReLU层，新的非线性层
layer {
name: "relu1" //层名
type: "ReLU" //层类型
bottom: "conv1" //层输入
top: "conv1" //层输出
}

下面开始按步骤解析源码：
3.1、阅读src/cafffe/proto/caffe.proto中ReLU层参数

[cpp] view plain copy

//存储ReLU层参数的数据结构类
message ReLUParameter {
//message：数据结构类，ReLUParameter为其对象
//optional；表示一个可选字段，required：表示一个必须字段
//repeated：表示该字段可以包含多个元素，和optional特性相同，类似数组
optional float negative_slope = 1 [default = 0];
enum Engine { //枚举Engine中所有元素
DEFAULT = 0;
CAFFE = 1;
CUDNN = 2;
}
optional Engine engine = 2 [default = DEFAULT];
}

3.2、阅读include/caffe/layers/relu_layer.hpp中类申明

[cpp] view plain copy

<span style="font-family:KaiTi_GB2312;font-size:24px;">//头文件中的 #ifndef/#define/#endif，防止该头文件被重复引用
#ifndef CAFFE_RELU_LAYER_HPP_
#define CAFFE_RELU_LAYER_HPP_
#include <vector>
#include "caffe/blob.hpp"
#include "caffe/layer.hpp"
#include "caffe/proto/caffe.pb.h"
#include "caffe/layers/neuron_layer.hpp"
//ReLULayer，派生于NeuronLayer，实现了ReLU激活函数计算
namespace caffe {
//template：指定模板类型参数，Dtype：表示一个类型
template <typename Dtype>
//新定义ReLULayer类，其继承NeuronLayer类
class ReLULayer : public NeuronLayer<Dtype> {
public:
//显式构造函数，NeuronLayer的参数显式传递给ReLULayer，LayerParameter：protobuf文件中存储的layer参数
explicit ReLULayer(const LayerParameter& param)
: NeuronLayer<Dtype>(param) {}
//虚内联函数，const成员函数，返回类名字符串
virtual inline const char* type() const { return "ReLU"; }
protected: //bottom为输入，top为输出
//前向传播函数
//CPU版本前馈实现
virtual void Forward_cpu(const vector<Blob<Dtype>*>& bottom,
const vector<Blob<Dtype>*>& top);
//GPU版本前馈实现
virtual void Forward_gpu(const vector<Blob<Dtype>*>& bottom,
const vector<Blob<Dtype>*>& top);
//反向传播函数
//top为输出blob，propagate_down为bottom索引，bottom为输入blob
virtual void Backward_cpu(const vector<Blob<Dtype>*>& top,
const vector<bool>& propagate_down, const vector<Blob<Dtype>*>& bottom);
virtual void Backward_gpu(const vector<Blob<Dtype>*>& top,
const vector<bool>& propagate_down, const vector<Blob<Dtype>*>& bottom);
};
} // namespace caffe
#endif // CAFFE_RELU_LAYER_HPP_</span>

3.3、阅读src/caffe/layers/relu_layer.cpp中代码

[cpp] view plain copy

<span style="font-family:KaiTi_GB2312;font-size:24px;">#include <algorithm>
#include <vector>
#include "caffe/layers/relu_layer.hpp"
namespace caffe {
template <typename Dtype>
//定义前向传播函数
void ReLULayer<Dtype>::Forward_cpu(const vector<Blob<Dtype>*>& bottom,
const vector<Blob<Dtype>*>& top) {
//（只读）获得输入blob的data指针
const Dtype* bottom_data = bottom[0]->cpu_data(); //->：指针引用
//（读写）获得输出blob的data指针
Dtype* top_data = top[0]->mutable_cpu_data();
//获得输入blob元素个数
const int count = bottom[0]->count();
//Leak ReLU参数，从layer_param_中获得，默认为0（negative_slope=0），即普通ReLU
Dtype negative_slope = this->layer_param_.relu_param().negative_slope();
for (int i = 0; i < count; ++i) {
top_data[i] = std::max(bottom_data[i], Dtype(0)) //ReLU（f(x)=max(0,x)）
+ negative_slope * std::min(bottom_data[i], Dtype(0));
}
}
template <typename Dtype>
//定义反向传播函数
void ReLULayer<Dtype>::Backward_cpu(const vector<Blob<Dtype>*>& top,
const vector<bool>& propagate_down,
const vector<Blob<Dtype>*>& bottom) {
//如果需要做反向传播计算，propagate_down是与计算关于bottom的梯度相关，
//在caffe的BP实现中非常重要
if (propagate_down[0]) {
//（只读）获得前一层的data指针，data：前向传播所用数据
const Dtype* bottom_data = bottom[0]->cpu_data();
//（只读）获得后一层的diff指针，diff：反向传播所用数据
const Dtype* top_diff = top[0]->cpu_diff();
//（读写）获得前一层的diff指针，是损失函数关于当前层的输入（bottom）的偏导数
Dtype* bottom_diff = bottom[0]->mutable_cpu_diff();
//获得需要参与计算的元素总和
const int count = bottom[0]->count();
//Leaky ReLU参数，默认为0
Dtype negative_slope = this->layer_param_.relu_param().negative_slope();
for (int i = 0; i < count; ++i) {
//ReLU的导函数就是(bottom_data[i] > 0，根据求导链式法则，后一层的误差乘以导函数得到前一层的误差
bottom_diff[i] = top_diff[i] * ((bottom_data[i] > 0)
+ negative_slope * (bottom_data[i] <= 0)); //negative_slope=0
}
}
}
#ifdef CPU_ONLY
STUB_GPU(ReLULayer);
#endif
INSTANTIATE_CLASS(ReLULayer);
} // namespace caffe</span>

零基础学caffe源码 ReLU激活函数相关推荐

零基础入门Cobra---kubernetes源码学习必备
Cobra 是用 go 语言实现的用于创建 CLI 应用程序和命令文件的工具. 许多 Go 的项目都是使用 Cobra 构建的,包括: kubernetes etcd hugo docker -- 本 ...
caffe源码分析-layer
本文主要分析caffe layer层,主要内容如下: 从整体上说明下caffe的layer层的类别,以及作用通过proto定义与类Layer简要说明下Layer的核心成员变量; Layer类的核心成 ...
java int类源码,一起学JDK源码 -- Integer类
Integer类为java基本类型int的包装类,除了前面提到的Byte类,Short类中的大部分方法,Integer类中还提供了很多处理int类型的方法,接下来就让我们一起看看吧. 基础知识: 1. ...
python零基础看什么视频和书籍-资料│最适合大学生零基础学的Python视频+电子书...
原标题:资料│最适合大学生零基础学的Python视频+电子书月最热资源下载 (▲点击阅读) 已经不少童鞋跟播妞咨询了python的资源今天播妞将整理好的部分python资源发布是最适合零基础大学 ...
python零基础电子书免费下载-零基础学Python
准备自学Python朋友,不放来看看<零基础学Python>吧!小编这里为各位送上的是这本书的全彩PDF版,该书从初学者角度出发,通过通俗易懂的语言.流行有趣的实例,详细地介绍了使用IDL ...
编程没基础学python多长时间--零基础学Python，从入门到精通需要多长时间
求一份小甲鱼的<零基础入门学习Python>视频教程评论本系列教程面向础的同学,是一个深入浅通俗易懂的Python3视频教程. 适群完全零基础入门,不需要任何前置知识. 教程概述前 ...
零基础学python全彩版实战答案-零基础学Python（全彩版）
商品描述: 本店出售的图书均是正版二手书,有一些笔记划线,基本是六-九品新左右,基本都没有光盘.介意者请提前咨询客服.本店所有书籍,因买家导致退货退款的,发出运费参照不包邮运费模板由买家承担.如果签收 ...
Deep Compression阅读理解及Caffe源码修改
Deep Compression阅读理解及Caffe源码修改作者:may0324 更新: 没想到这篇文章写出后有这么多人关注和索要源码,有点受宠若惊.说来惭愧,这个工作当时做的很粗糙,源码修改的比 ...
零基础学Java的10个方法
2019独角兽企业重金招聘Python工程师标准>>> 版权声明:本文为北京尚学堂原创文章,未经允许不得转载. 零基础学Java只要方法得当,依然有机会学习好Java编程. 但作为 ...

零基础学caffe源码 ReLU激活函数

零基础学caffe源码 ReLU激活函数

零基础学caffe源码 ReLU激活函数相关推荐

最新文章

热门文章