caffe网络模型各层详解(中文版)

《caffe网络模型各层详解(中文版)》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、实用标准文案一.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。

2、通常数据的预处理（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

3、{source:"examples/cifar10/cifar10_train_lmdb"batch_size:100backend: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to

4、p或多个bottom，表示有多个blobs数据的输入和输出。data与label:在数据层中，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精彩文档实用标准文案:数据的预处理，可以将数据变换到定义的范围内。如设置scale

5、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_param{scale:0.00390625mean_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（la

6、yertype）:Data必须设置的参数：source:包含数据库的目录名称，如examples/mnist/mnist_train_lmdbbatch_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:0.00

7、390625}data_param{source:"examples/mnist/mnist_train_lmdb"batch_size:64backend:LMDB}}2、数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2channels：通道数height：高度width:宽度示例：精彩文档实用标准文案layer{top:"data"top:"label"name:"memory_data"type:"MemoryData"memory_data_param{batch_size:2hei

8、ght:100width:100channels:1}transform_param{scale:0.007