caffe網(wǎng)絡(luò)模型各層詳解(中文版)

1、一.數(shù)據(jù)層及參數(shù)數(shù)據(jù)層及參數(shù)要運行caffe，需要先創(chuàng)建一個模型（model)，如比較常用的LeAlex等，而一個模型由多個屋（layer）構(gòu)成，每一屋又由許多參數(shù)組成。所有的參數(shù)都定義在caffe.proto這個文件中。要熟練使用caffe，最重要的就是學(xué)會配置文件（prototxt）的編寫。層有很多種類型，比如DataConvolutionPooling等，層之間的數(shù)據(jù)流動是以Blobs的方式進行。今天我們就先介紹一下數(shù)據(jù)層.數(shù)據(jù)層

2、是每個模型的最底層，是模型的入口，不僅提供數(shù)據(jù)的輸入，也提供數(shù)據(jù)從Blobs轉(zhuǎn)換成別的格式進行保存輸出。通常數(shù)據(jù)的預(yù)處理（如減去均值放大縮小裁剪和鏡像等），也在這一層設(shè)置參數(shù)實現(xiàn)。數(shù)據(jù)來源可以來自高效的數(shù)據(jù)庫（如LevelDB和LMDB），也可以直接來自于內(nèi)存。如果不是很注重效率的話，數(shù)據(jù)也可來自磁盤的hdf5文件和圖片格式文件。所有的數(shù)據(jù)層的都具有的公用參數(shù)：先看示例layername:“cifar“type:“Data“top:“d

3、ata“top:“l(fā)abel“includephase:TRAINtransfm_parammean_file:“examplescifar10mean.binaryproto“data_paramsource:“examplescifar10cifar10_train_lmdb“batch_size:100backend:LMDBname:表示該層的名稱，可隨意取type:層類型，如果是Data，表示數(shù)據(jù)來源于LevelDB或LMDB

4、。根據(jù)數(shù)據(jù)的來源不同，數(shù)據(jù)層的類型也不同（后面會詳細闡述）。一般在練習的時候，我們都是采用的LevelDB或LMDB數(shù)據(jù)，因此層類型設(shè)置為Data。top或bottom:每一層用bottom來輸入數(shù)據(jù)，用top來輸出數(shù)據(jù)。如果只有top沒有bottom，則此層只有輸出，沒有輸入。反之亦然。如果有多個top或多個bottom，表示有多個blobs數(shù)據(jù)的輸入和輸出。data與label:在數(shù)據(jù)層中，至少有一個命名為data的top。如果有第

5、二個top，一般命名為label。這種(datalabel)配對是分類模型所必需的。include:一般訓(xùn)練的時候和測試的時候，模型的層是不一樣的。該層（layer）是屬于訓(xùn)練階段的層，還是屬于測試階段的層，需要用include來指定。如果沒有include參數(shù)，則表示該層既在訓(xùn)練模型中，又在測試模型中。Transfmations:數(shù)據(jù)的預(yù)處理，可以將數(shù)據(jù)變換到定義的范圍內(nèi)。如設(shè)置scale為layertop:“data“top:“l(fā)a

6、bel“name:“memy_data“type:“MemyData“memy_data_parambatch_size:2height:100width:100channels:1transfm_paramscale:0.0078125mean_file:“mean.proto“mirr:false3、數(shù)據(jù)來自于、數(shù)據(jù)來自于HDF5層類型：HDF5Data必須設(shè)置的參數(shù)：source:讀取的文件名稱batch_size:每一次處理的數(shù)

7、據(jù)個數(shù)示例：layername:“data“type:“HDF5Data“top:“data“top:“l(fā)abel“hdf5_data_paramsource:“exampleshdf5_classificationdatatrain.txt“batch_size:104、數(shù)據(jù)來自于圖片、數(shù)據(jù)來自于圖片層類型：ImageData必須設(shè)置的參數(shù)：source:一個文本文件的名字，每一行給定一個圖片文件的名稱和標簽（label)batch_