如何在Caffe中配置每一個層的結構

【原文：http://demo.netfoucs.com/danieljianfeng/article/details/42929283】

最近剛在電腦上裝好Caffe，由於神經網路中有不同的層結構，不同型別的層又有不同的引數，所有就根據Caffe官網的說明文件做了一個簡單的總結。

1. Vision Layers

1.1 卷積層(Convolution)

型別：CONVOLUTION

例子

<span style="background-color: rgb(255, 255, 255);">layers {  name: "conv1"  type: CONVOLUTION  bottom: "data"  top: "conv1"  blobs_lr: 1          # learning rate multiplier for the filters  blobs_lr: 2          # learning rate multiplier for the biases  weight_decay: 1      # weight decay multiplier for the filters  weight_decay: 0      # weight decay multiplier for the biases  convolution_param {    num_output: 96     # learn 96 filters    kernel_size: 11    # each filter is 11x11    stride: 4          # step 4 pixels between each filter application    weight_filler {      type: "gaussian" # initialize the filters from a Gaussian      std: 0.01        # distribution with stdev 0.01 (default mean: 0)    }    bias_filler {      type: "constant" # initialize the biases to zero (0)      value: 0    }  }}</span>

blobs_lr: 學習率調整的引數，在上面的例子中設定權重學習率和執行中求解器給出的學習率一樣，同時是偏置學習率為權重的兩倍。 

weight_decay：

 

卷積層的重要引數

必須引數：

num_output (c_o)：過濾器的個數

kernel_size (or kernel_h and kernel_w)：過濾器的大小

 

可選引數：

weight_filler [default type: 'constant' value: 0]：引數的初始化方法

bias_filler：偏置的初始化方法

bias_term [default true]：指定是否是否開啟偏置項

pad (or pad_h and pad_w) [default 0]：指定在輸入的每一邊加上多少個畫素

stride (or stride_h and stride_w) [default 1]：指定過濾器的步長

group (g) [default 1]: If g > 1, we restrict the connectivityof each filter to a subset of the input. Specifically, the input and outputchannels are separated into g groups, and the ith output group channels will beonly connected to the ith input group channels.

 

通過卷積後的大小變化：

輸入：n * c_i * h_i * w_i

輸出：n * c_o * h_o * w_o，其中h_o = (h_i + 2 * pad_h - kernel_h) /stride_h + 1，w_o通過同樣的方法計算。

1.2 池化層（Pooling）

型別：POOLING

例子

<span style="background-color: rgb(255, 255, 255);">layers {  name: "pool1"  type: POOLING  bottom: "conv1"  top: "pool1"  pooling_param {    pool: MAX    kernel_size: 3 # pool over a 3x3 region    stride: 2      # step two pixels (in the bottom blob) between pooling regions  }}</span>

卷積層的重要引數

必需引數：

kernel_size (or kernel_h and kernel_w)：過濾器的大小

 

可選引數：

pool [default MAX]：pooling的方法，目前有MAX, AVE, 和STOCHASTIC三種方法

pad (or pad_h and pad_w) [default 0]：指定在輸入的每一遍加上多少個畫素

stride (or stride_h and stride_w) [default1]：指定過濾器的步長

 

通過池化後的大小變化：

輸入：n * c_i * h_i * w_i

輸出：n * c_o * h_o * w_o，其中h_o = (h_i + 2 * pad_h - kernel_h) /stride_h + 1，w_o通過同樣的方法計算。

1.3 Local Response Normalization (LRN)

型別：LRN

Local ResponseNormalization是對一個區域性的輸入區域進行的歸一化（啟用a被加一個歸一化權重（分母部分）生成了新的啟用b），有兩種不同的形式，一種的輸入區域為相鄰的channels（cross channel LRN），另一種是為同一個channel內的空間區域（within channel LRN）

計算公式：對每一個輸入除以

 

可選引數：

local_size [default 5]：對於cross channel LRN為需要求和的鄰近channel的數量；對於within channel LRN為需要求和的空間區域的邊長

alpha [default 1]：scaling引數

beta [default 5]：指數

norm_region [default ACROSS_CHANNELS]: 選擇哪種LRN的方法ACROSS_CHANNELS 或者WITHIN_CHANNEL

2. Loss Layers

深度學習是通過最小化輸出和目標的Loss來驅動學習。

2.1 Softmax

型別: SOFTMAX_LOSS

2.2 Sum-of-Squares / Euclidean

型別: EUCLIDEAN_LOSS

2.3 Hinge / Margin

型別: HINGE_LOSS

例子：

<span style="background-color: rgb(255, 255, 255);"># L1 Normlayers {  name: "loss"  type: HINGE_LOSS  bottom: "pred"  bottom: "label"}# L2 Normlayers {  name: "loss"  type: HINGE_LOSS  bottom: "pred"  bottom: "label"  top: "loss"  hinge_loss_param {    norm: L2  }}</span>

可選引數：

norm [default L1]: 選擇L1或者 L2範數

輸入：

n * c * h * wPredictions

n * 1 * 1 * 1Labels

輸出

1 * 1 * 1 * 1Computed Loss

2.4 Sigmoid Cross-Entropy

型別：SIGMOID_CROSS_ENTROPY_LOSS

2.5 Infogain

型別：INFOGAIN_LOSS

2.6 Accuracy and Top-k

型別：ACCURACY 
用來計算輸出和目標的正確率，事實上這不是一個loss，而且沒有backward這一步。

3. 激勵層（Activation / Neuron Layers）

一般來說，激勵層是element-wise的操作，輸入和輸出的大小相同，一般情況下就是一個非線性函式。

3.1 ReLU / Rectified-Linear and Leaky-ReLU

型別: RELU

例子:

<span style="background-color: rgb(255, 255, 255);">layers {  name: "relu1"  type: RELU  bottom: "conv1"  top: "conv1"}</span>

可選引數：

negative_slope [default 0]:指定輸入值小於零時的輸出。

 

ReLU是目前使用做多的激勵函式，主要因為其收斂更快，並且能保持同樣效果。

標準的ReLU函式為max(x, 0)，而一般為當x > 0時輸出x，但x <= 0時輸出negative_slope。RELU層支援in-place計算，這意味著bottom的輸出和輸入相同以避免記憶體的消耗。

3.2 Sigmoid

型別: SIGMOID

例子:

<span style="background-color: rgb(255, 255, 255);">layers {  name: "encode1neuron"  bottom: "encode1"  top: "encode1neuron"  type: SIGMOID}</span>

SIGMOID 層通過 sigmoid(x) 計算每一個輸入x的輸出，函式如下圖。

3.3 TanH / Hyperbolic Tangent

型別: TANH

例子:

<span style="background-color: rgb(255, 255, 255);">layers {  name: "encode1neuron"  bottom: "encode1"  top: "encode1neuron"  type: SIGMOID}</span>

TANH層通過 tanh(x) 計算每一個輸入x的輸出，函式如下圖。

3.3 Absolute Value

型別: ABSVAL

例子:

<span style="background-color: rgb(255, 255, 255);">layers {  name: "layer"  bottom: "in"  top: "out"  type: ABSVAL}</span>

ABSVAL層通過 abs(x) 計算每一個輸入x的輸出。

3.4 Power

型別: POWER

例子：

<span style="background-color: rgb(255, 255, 255);">layers {  name: "layer"  bottom: "in"  top: "out"  type: POWER  power_param {    power: 1    scale: 1    shift: 0  }}</span>

可選引數：
power [default 1]
scale [default 1]
shift [default 0]

POWER層通過 (shift + scale * x) ^ power計算每一個輸入x的輸出。

3.5 BNLL

型別: BNLL

例子：

<span style="background-color: rgb(255, 255, 255);">layers {  name: "layer"  bottom: "in"  top: "out"  type: BNLL}</span>

BNLL (binomial normal log likelihood) 層通過 log(1 + exp(x)) 計算每一個輸入x的輸出。

4. 資料層（Data Layers）

資料通過資料層進入Caffe，資料層在整個網路的底部。資料可以來自高效的資料庫（LevelDB 或者 LMDB），直接來自記憶體。如果不追求高效性，可以以HDF5或者一般影象的格式從硬碟讀取資料。

4.1 Database

型別：DATA

必須引數：

source:包含資料的目錄名稱

batch_size:一次處理的輸入的數量

 

可選引數：

rand_skip:在開始的時候從輸入中跳過這個數值，這在非同步隨機梯度下降（SGD）的時候非常有用

backend [default LEVELDB]: 選擇使用 LEVELDB 或者 LMDB

4.2 In-Memory

型別: MEMORY_DATA
必需引數：
batch_size, channels, height, width: 指定從記憶體讀取資料的大小
The memory data layer reads data directly from memory, without copying it. In order to use it, one must call MemoryDataLayer::Reset (from C++) or Net.set_input_arrays (from Python) in order to specify a source of contiguous data (as 4D row major array), which is read one batch-sized chunk at a time.

4.3 HDF5 Input

型別: HDF5_DATA
必要引數：
source:需要讀取的檔名

batch_size：一次處理的輸入的數量

4.4 HDF5 Output

型別: HDF5_OUTPUT
必要引數：
file_name: 輸出的檔名

HDF5的作用和這節中的其他的層不一樣，它是把輸入的blobs寫到硬碟

4.5 Images

型別: IMAGE_DATA
必要引數：
source: text檔案的名字，每一行給出一張圖片的檔名和label
batch_size: 一個batch中圖片的數量
可選引數：
rand_skip：在開始的時候從輸入中跳過這個數值，這在非同步隨機梯度下降（SGD）的時候非常有用
shuffle [default false]

new_height, new_width: 把所有的影象resize到這個大小

4.6 Windows

型別：WINDOW_DATA

4.7 Dummy

型別：DUMMY_DATA

Dummy 層用於development 和debugging。具體引數DummyDataParameter。

5. 一般層（Common Layers）

5.1 全連線層Inner Product

型別：INNER_PRODUCT
例子：

<span style="background-color: rgb(255, 255, 255);">layers {  name: "fc8"  type: INNER_PRODUCT  blobs_lr: 1          # learning rate multiplier for the filters  blobs_lr: 2          # learning rate multiplier for the biases  weight_decay: 1      # weight decay multiplier for the filters  weight_decay: 0      # weight decay multiplier for the biases  inner_product_param {    num_output: 1000    weight_filler {      type: "gaussian"      std: 0.01    }    bias_filler {      type: "constant"      value: 0    }  }  bottom: "fc7"  top: "fc8"}</span>

必要引數：

num_output (c_o)：過濾器的個數

 

可選引數：

weight_filler [default type: 'constant' value: 0]：引數的初始化方法

bias_filler：偏置的初始化方法

bias_term [default true]：指定是否是否開啟偏置項

 

通過全連線層後的大小變化：

輸入：n * c_i * h_i * w_i

輸出：n * c_o * 1 *1

5.2 Splitting

型別：SPLIT
Splitting層可以把一個輸入blob分離成多個輸出blobs。這個用在當需要把一個blob輸入到多個輸出層的時候。

5.3 Flattening

型別：FLATTEN
Flattening是把一個輸入的大小為n * c * h * w變成一個簡單的向量，其大小為 n * (c*h*w) * 1 * 1。

5.4 Concatenation

型別：CONCAT


例子：

<span style="background-color: rgb(255, 255, 255);">layers {  name: "concat"  bottom: "in1"  bottom: "in2"  top: "out"  type: CONCAT  concat_param {    concat_dim: 1  }}</span>

可選引數：

concat_dim [default 1]：0代表連結num，1代表連結channels

 

通過全連線層後的大小變化：

輸入：從1到K的每一個blob的大小n_i * c_i * h * w

輸出：

如果concat_dim = 0: (n_1 + n_2 + ... + n_K) *c_1 * h * w，需要保證所有輸入的c_i 相同。

如果concat_dim = 1: n_1 * (c_1 + c_2 + ... +c_K) * h * w，需要保證所有輸入的n_i 相同。

 

通過Concatenation層，可以把多個的blobs連結成一個blob。

5.5 Slicing

The SLICE layer is a utility layer that slices an input layer to multiple output layers along a given dimension (currently num or channel only) with given slice indices.

5.6 Elementwise Operations

型別：ELTWISE

5.7 Argmax

型別：ARGMAX

5.8 Softmax

型別：SOFTMAX

5.9 Mean-Variance Normalization

型別：MVN

6. 參考

Caffe