caffe网络模型各层详解中文版资料.docx

1、caffe网络模型各层详解中文版资料一.数据层及参数要运行caffe，需要先创建一个模型（model)，如比较常用的Lenet,Alex等， 而一个模型由多个屋（layer）构成，每一屋又由许多参数组成。所有的参数都定义在caffe.proto这个文件中。要熟练使用caffe，最重要的就是学会配置文件（prototxt）的编写。层有很多种类型，比如Data,Convolution,Pooling等，层之间的数据流动是以Blobs的方式进行。今天我们就先介绍一下数据层.数据层是每个模型的最底层，是模型的入口，不仅提供数据的输入，也提供数据从Blobs转换成别的格式进行保存输出。通常数据的预处理（

2、如减去均值, 放大缩小, 裁剪和镜像等），也在这一层设置参数实现。数据来源可以来自高效的数据库（如LevelDB和LMDB），也可以直接来自于内存。如果不是很注重效率的话，数据也可来自磁盘的hdf5文件和图片格式文件。所有的数据层的都具有的公用参数：先看示例layer name: cifar type: Data top: data top: label include phase: TRAIN transform_param mean_file: examples/cifar10/mean.binaryproto data_param source: examples/cifar10/cif

3、ar10_train_lmdb batch_size: 100 backend: LMDB name: 表示该层的名称，可随意取type: 层类型，如果是Data，表示数据来源于LevelDB或LMDB。根据数据的来源不同，数据层的类型也不同（后面会详细阐述）。一般在练习的时候，我们都是采用的LevelDB或LMDB数据，因此层类型设置为Data。top或bottom: 每一层用bottom来输入数据，用top来输出数据。如果只有top没有bottom，则此层只有输出，没有输入。反之亦然。如果有多个 top或多个bottom，表示有多个blobs数据的输入和输出。data 与 label: 在

4、数据层中，至少有一个命名为data的top。如果有第二个top，一般命名为label。 这种(data,label)配对是分类模型所必需的。include: 一般训练的时候和测试的时候，模型的层是不一样的。该层（layer）是属于训练阶段的层，还是属于测试阶段的层，需要用include来指定。如果没有include参数，则表示该层既在训练模型中，又在测试模型中。Transformations: 数据的预处理，可以将数据变换到定义的范围内。如设置scale为0.00390625，实际上就是1/255, 即将输入数据由0-255归一化到0-1之间其它的数据预处理也在这个地方设置：transform

5、_param scale: 0.00390625 mean_file_size: examples/cifar10/mean.binaryproto # 用一个配置文件来进行均值操作 mirror: 1 # 1表示开启镜像，0表示关闭，也可用ture和false来表示 # 剪裁一个 227*227的图块，在训练阶段随机剪裁，在测试阶段从中间裁剪 crop_size: 227 1、数据来自于数据库（如LevelDB和LMDB）层类型（layer type）:Data必须设置的参数： source: 包含数据库的目录名称，如examples/mnist/mnist_train_lmdb batch

6、_size: 每次处理的数据个数，如64可选的参数： rand_skip: 在开始的时候，路过某个数据的输入。通常对异步的SGD很有用。 backend: 选择是采用LevelDB还是LMDB, 默认是LevelDB.示例：layer name: mnist type: Data top: data top: label include phase: TRAIN transform_param scale: 0.00390625 data_param source: examples/mnist/mnist_train_lmdb batch_size: 64 backend: LMDB 2、数

7、据来自于内存层类型：MemoryData必须设置的参数： batch_size：每一次处理的数据个数，比如2 channels：通道数 height：高度 width: 宽度示例：layer top: data top: label name: memory_data type: MemoryData memory_data_param batch_size: 2 height: 100 width: 100 channels: 1 transform_param scale: 0.0078125 mean_file: mean.proto mirror: false 3、数据来自于HDF5层

8、类型：HDF5Data必须设置的参数：source: 读取的文件名称batch_size: 每一次处理的数据个数示例：layer name: data type: HDF5Data top: data top: label hdf5_data_param source: examples/hdf5_classification/data/train.txt batch_size: 10 4、数据来自于图片层类型：ImageData必须设置的参数： source: 一个文本文件的名字，每一行给定一个图片文件的名称和标签（label) batch_size: 每一次处理的数据个数，即图片数可选参数

9、： rand_skip: 在开始的时候，路过某个数据的输入。通常对异步的SGD很有用。 shuffle: 随机打乱顺序，默认值为false new_height,new_width: 如果设置，则将图片进行resize 示例：layer name: data type: ImageData top: data top: label transform_param mirror: false crop_size: 227 mean_file: data/ilsvrc12/imagenet_mean.binaryproto image_data_param source: examples/_te

10、mp/file_list.txt batch_size: 50 new_height: 256 new_width: 256 5、数据来源于Windows层类型：WindowData必须设置的参数： source: 一个文本文件的名字 batch_size: 每一次处理的数据个数，即图片数示例：layer name: data type: WindowData top: data top: label include phase: TRAIN transform_param mirror: true crop_size: 227 mean_file: data/ilsvrc12/imagene

11、t_mean.binaryproto window_data_param source: examples/finetune_pascal_detection/window_file_2007_trainval.txt batch_size: 128 fg_threshold: 0.5 bg_threshold: 0.5 fg_fraction: 0.25 context_pad: 16 crop_mode: warp 2视觉层（Vision Layers)及参数本文只讲解视觉层（Vision Layers)的参数，视觉层包括Convolution, Pooling, Local Respon

12、se Normalization (LRN), im2col等层。1、Convolution层：就是卷积层，是卷积神经网络（CNN）的核心层。层类型：Convolutionlr_mult: 学习率的系数，最终的学习率是这个数乘以solver.prototxt配置文件中的base_lr。如果有两个lr_mult, 则第一个表示权值的学习率，第二个表示偏置项的学习率。一般偏置项的学习率是权值学习率的两倍。在后面的convolution_param中，我们可以设定卷积层的特有参数。必须设置的参数： num_output: 卷积核（filter)的个数 kernel_size: 卷积核的大小。如果卷积

13、核的长和宽不等，需要用kernel_h和kernel_w分别设定其它参数： stride: 卷积核的步长，默认为1。也可以用stride_h和stride_w来设置。 pad: 扩充边缘，默认为0，不扩充。 扩充的时候是左右、上下对称的，比如卷积核的大小为5*5，那么pad设置为2，则四个边缘都扩充2个像素，即宽度和高度都扩充了4个像素,这样卷积运算之后的特征图就不会变小。也可以通过pad_h和pad_w来分别设定。 weight_filler: 权值初始化。 默认为“constant,值全为0，很多时候我们用xavier算法来进行初始化，也可以设置为”gaussian bias_filler

14、: 偏置项的初始化。一般设置为constant,值全为0。 bias_term: 是否开启偏置项，默认为true, 开启 group: 分组，默认为1组。如果大于1，我们限制卷积的连接操作在一个子集内。如果我们根据图像的通道来分组，那么第i个输出分组只能与第i个输入分组进行连接。 输入：n*c0*w0*h0输出：n*c1*w1*h1其中，c1就是参数中的num_output，生成的特征图个数 w1=(w0+2*pad-kernel_size)/stride+1; h1=(h0+2*pad-kernel_size)/stride+1;如果设置stride为1，前后两次卷积部分存在重叠。如果设置p

15、ad=(kernel_size-1)/2,则运算后，宽度和高度不变。示例：layer name: conv1 type: Convolution bottom: data top: conv1 param lr_mult: 1 param lr_mult: 2 convolution_param num_output: 20 kernel_size: 5 stride: 1 weight_filler type: xavier bias_filler type: constant 2、Pooling层也叫池化层，为了减少运算量和数据维度而设置的一种层。层类型：Pooling必须设置的参数： k

16、ernel_size: 池化的核大小。也可以用kernel_h和kernel_w分别设定。其它参数： pool: 池化方法，默认为MAX。目前可用的方法有MAX, AVE, 或STOCHASTICpad: 和卷积层的pad的一样，进行边缘扩充。默认为0stride: 池化的步长，默认为1。一般我们设置为2，即不重叠(步长=窗口大小)。也可以用stride_h和stride_w来设置。 示例：layer name: pool1 type: Pooling bottom: conv1 top: pool1 pooling_param pool: MAX kernel_size: 3 stride:

17、 2 pooling层的运算方法基本是和卷积层是一样的。输入：n*c*w0*h0输出：n*c*w1*h1和卷积层的区别就是其中的c保持不变 w1=(w0+2*pad-kernel_size)/stride+1; h1=(h0+2*pad-kernel_size)/stride+1;如果设置stride为2，前后两次卷积部分重叠。3、Local Response Normalization (LRN)层此层是对一个输入的局部区域进行归一化，达到“侧抑制”的效果。可去搜索AlexNet或GoogLenet，里面就用到了这个功能 层类型：LRN参数：全部为可选，没有必须local_size: 默认为

18、5。如果是跨通道LRN，则表示求和的通道数；如果是在通道内LRN，则表示求和的正方形区域长度。alpha: 默认为1，归一化公式中的参数。beta: 默认为5，归一化公式中的参数。norm_region: 默认为ACROSS_CHANNELS。有两个选择，ACROSS_CHANNELS表示在相邻的通道间求和归一化。WITHIN_CHANNEL表示在一个通道内部特定的区域内进行求和归一化。与前面的local_size参数对应。 归一化公式：对于每一个输入, 去除以，得到归一化后的输出 示例：layers name: norm1 type: LRN bottom: pool1 top: norm1

19、 lrn_param local_size: 5 alpha: 0.0001 beta: 0.75 4、im2col层如果对matlab比较熟悉的话，就应该知道im2col是什么意思。它先将一个大矩阵，重叠地划分为多个子矩阵，对每个子矩阵序列化成向量，最后得到另外一个矩阵。看一看图就知道了：在caffe中，卷积运算就是先对数据进行im2col操作，再进行内积运算（inner product)。这样做，比原始的卷积操作速度更快。看看两种卷积操作的异同：三激活层（Activiation Layers)及参数在激活层中，对输入数据进行激活操作（实际上就是一种函数变换），是逐元素进行运算的。从bott

20、om得到一个blob数据输入，运算后，从top输入一个blob数据。在运算过程中，没有改变数据的大小，即输入和输出的数据大小是相等的。输入：n*c*h*w输出：n*c*h*w常用的激活函数有sigmoid, tanh,relu等，下面分别介绍。1、Sigmoid对每个输入数据，利用sigmoid函数执行操作。这种层设置比较简单，没有额外的参数。层类型：Sigmoid示例：layer name: encode1neuron bottom: encode1 top: encode1neuron type: Sigmoid2、ReLU / Rectified-Linear and Leaky-ReL

21、UReLU是目前使用最多的激活函数，主要因为其收敛更快，并且能保持同样效果。标准的ReLU函数为max(x, 0)，当x0时，输出x; 当x=0时，输出0f(x)=max(x,0)层类型：ReLU可选参数：negative_slope：默认为0. 对标准的ReLU函数进行变化，如果设置了这个值，那么数据为负数时，就不再设置为0，而是用原始数据乘以negative_slopelayer name: relu1 type: ReLU bottom: pool1 top: pool1RELU层支持in-place计算，这意味着bottom的输出和输入相同以避免内存的消耗。3、TanH / Hyper

22、bolic Tangent利用双曲正切函数对数据进行变换。层类型：TanHlayer name: layer bottom: in top: out type: TanH4、Absolute Value求每个输入数据的绝对值。f(x)=Abs(x)层类型：AbsVallayer name: layer bottom: in top: out type: AbsVal5、Power对每个输入数据进行幂运算f(x)= (shift + scale * x) power层类型：Power可选参数：power: 默认为1scale: 默认为1shift: 默认为0layer name: layer b

23、ottom: in top: out type: Power power_param power: 2 scale: 1 shift: 0 6、BNLLbinomial normal log likelihood的简称f(x)=log(1 + exp(x)层类型：BNLLlayer name: layer bottom: in top: out type: “BNLL”4其它常用层及参数本文讲解一些其它的常用层，包括：softmax_loss层，Inner Product层，accuracy层，reshape层和dropout层及其它们的参数配置。1、softmax-losssoftmax-l

24、oss层和softmax层计算大致是相同的。softmax是一个分类器，计算的是类别的概率（Likelihood），是Logistic Regression 的一种推广。Logistic Regression 只能用于二分类，而softmax可以用于多分类。softmax与softmax-loss的区别：softmax计算公式：而softmax-loss计算公式：关于两者的区别更加具体的介绍，可参考：softmax vs. softmax-loss用户可能最终目的就是得到各个类别的概率似然值，这个时候就只需要一个 Softmax层，而不一定要进行softmax-Loss 操作；或者是用户有通过

25、其他什么方式已经得到了某种概率似然值，然后要做最大似然估计，此时则只需要后面的 softmax-Loss 而不需要前面的 Softmax 操作。因此提供两个不同的 Layer 结构比只提供一个合在一起的 Softmax-Loss Layer 要灵活许多。不管是softmax layer还是softmax-loss layer,都是没有参数的，只是层类型不同而也softmax-loss layer：输出loss值layer name: loss type: SoftmaxWithLoss bottom: ip1 bottom: label top: losssoftmax layer: 输出似然

26、值layers bottom: cls3_fc top: prob name: prob type: “Softmax2、Inner Product全连接层，把输入当作成一个向量，输出也是一个简单向量（把输入数据blobs的width和height全变为1）。输入： n*c0*h*w输出： n*c1*1*1全连接层实际上也是一种卷积层，只是它的卷积核大小和原数据大小一致。因此它的参数基本和卷积层的参数一样。层类型：InnerProductlr_mult: 学习率的系数，最终的学习率是这个数乘以solver.prototxt配置文件中的base_lr。如果有两个lr_mult, 则第一个表示权值

27、的学习率，第二个表示偏置项的学习率。一般偏置项的学习率是权值学习率的两倍。必须设置的参数： num_output: 过滤器（filfter)的个数其它参数： weight_filler: 权值初始化。 默认为“constant,值全为0，很多时候我们用xavier算法来进行初始化，也可以设置为”gaussian bias_filler: 偏置项的初始化。一般设置为constant,值全为0。 bias_term: 是否开启偏置项，默认为true, 开启layer name: ip1 type: InnerProduct bottom: pool2 top: ip1 param lr_mult:

28、 1 param lr_mult: 2 inner_product_param num_output: 500 weight_filler type: xavier bias_filler type: constant 3、accuracy输出分类（预测）精确度，只有test阶段才有，因此需要加入include参数。层类型：Accuracylayer name: accuracy type: Accuracy bottom: ip2 bottom: label top: accuracy include phase: TEST 4、reshape在不改变数据的情况下，改变输入的维度。层类型：Reshape先来看例子layer name: reshape type: Reshape bottom: input top: output reshape_param shape dim: 0 # copy the dimension from below dim: 2 dim: 3 dim: -1 # infer it from the other dimensions 有一个可选的参数组shape, 用于指定blob数据的各维的值（blob是一个四维的数据：n*c*w*h）。dim:0 表示维度不变，即输入和输出是相同的维度。dim:2 或 dim:3 将