【转】Caffe初试（八）Blob，Layer和Net以及对应配置文件的编写

深度网络（net）是一个组合模型，它由许多相互连接的层（layers）组合而成。Caffe就是组建深度网络的这样一种工具，它按照一定的策略，一层一层的搭建出自己的模型。它将所有的信息数据定义为blobs，从而进行便利的操作和通讯。Blob是caffe框架中一种标准的数组，一种统一的内存接口，它详细描述了信息是如何存储的，以及如何在层之间通讯的。

1、blob

Blobs封装了运行时的数据信息，提供了CPU和GPU的同步。从数学上来说，Blob就是一个N维数组。它是caffe中的数据基本单位，就像matlab中以矩阵为基本操作对象一样。只是矩阵是二维的，而Blob是N维的。N可以是2,3,4等等。对于图片数据来说，Blob可以表示为（N*C*H*W）这样一个4D数组。其中N表示图片的数量，C表示图片的通道数，H和W分别表示图片的高度和宽度。当然，除了图片数据，Blob也可以用于非图片数据。比如传统的多层感知机，就是比较简单的全连接网络，用2D的Blob，调用innerProduct层来计算就可以了。

2、layer

层是网络模型的组成要素和计算基本单位。层的类型比较多，如Data,Convolution,Pooling,ReLUmSoftmax-loss,Accuracy等，一个层的定义大致如下图：

从bottom进行数据的输入，计算后，通过top进行输出。图中的黄色多边形表示输入输出的数据，蓝色矩形表示层。

每一种类型的层都定义为三种关键的计算：setup,forward and backword

setup：层的建立和初始化，以及在整个模型中的连接初始化。

forward：从bottom得到输入数据，进行计算，并将计算结果送到top，进行输出。

backward：从层的输出端top得到数据的梯度，计算当前层的梯度，并将计算结果送到bottom，向前传递。

3、Net

就像搭积木一样，一个net由多个layer组合而成。

现给出一个简单的2层神经网络的模型定义（加上loss层就变成三层了），先给出这个网络拓扑。

第一层：name为mnist，type为Data，没有输入（bottom），只有两个输出（top），一个为data，一个为label

第二层：name为ip，type为InnerProduct，输入数据data，输出数据ip

第三层：name为loss，type为SoftmaxWithLoss，有两个输入，一个为ip，一个为label，有一个输出loss，没有画出来。

对应的配置文件prototxt就可以这样写：

name: "LogReg"
layer {  name: "mnist"  type: "Data"  top: "data"  top: "label"  data_param {  source: "input_leveldb"  batch_size: 64  }
}
layer {  name: "ip"  type: "InnerProduct"  bottom: "data"  top: "ip"  inner_product_param {  num_output: 2  }
}
layer {  name: "loss"  type: "SoftmaxWithLoss"  bottom: "ip"  bottom: "label"  top: "loss"
}

第一行将这个模型取名为LogReg，然后是三个layer的定义，参数都比较简单，只列出必须的参数。

【转】Caffe初试（八）Blob，Layer和Net以及对应配置文件的编写相关推荐

Caffe学习系列(6)：Blob,Layer and Net以及对应配置文件的编写
深度网络(net)是一个组合模型,它由许多相互连接的层(layers)组合而成.Caffe就是组建深度网络的这样一种工具,它按照一定的策略,一层一层的搭建出自己的模型.它将所有的信息数据定义为blob ...
（Caffe）基本类Blob，Layer，Net（一）
本文地址:http://blog.csdn.net/mounty_fsc/article/details/51085654 Caffe中,Blob.Layer,Net,Solver是最为核心的类,下面 ...
caffe源码分析:layer.hpp分析
文件路径:caffe-master_github/include/caffe/ Backward函数: template <typename Dtype> inline void Laye ...
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 ...
caffe中的softmax layer
在caffe中的lenet实现最后一层是softmax layer,输出分类的结果,下面就简单介绍一下softmax回归. 1,首先,在caffe中,softmax layer输出的是原始的输入在每一 ...
Caffe源码中layer文件分析
Caffe源码(caffe version commit: 09868ac , date: 2015.08.15)中有一些重要的头文件,这里介绍下include/caffe/layer.hpp文件的内 ...
剖析Caffe源码之Layer
目录 Layer介绍 Layer分析 LayerParameter Class Layer Layer派生类 Layer源码 Layer构造函数 SetUp函数 Forward函数 Backward函 ...
多线程 python layer_在Caffe中加Python Layer的方法
Author: Zongwei Zhou | 周纵苇 Weibo: @MrGiovanni Email: zongweiz@asu.edu Acknowledgement: Md Rahman Sid ...
[Python人工智能] 八.卷积神经网络CNN原理详解及TensorFlow编写CNN
从本专栏开始,作者正式开始研究Python深度学习.神经网络及人工智能相关知识.前一篇文章介绍了什么是过拟合,并采用droput解决神经网络中过拟合的问题,以TensorFlow和sklearn的lo ...
caffe网络模型各层详解(中文版)
caffe网络模型各层详解(中文版) 参考网址:https://blog.csdn.net/qq_34220460/article/details/79872830 一.数据层及参数要运行caffe ...

【转】Caffe初试（八）Blob，Layer和Net以及对应配置文件的编写

【转】Caffe初试（八）Blob，Layer和Net以及对应配置文件的编写相关推荐

最新文章

热门文章