修改caffe源代码--添加loss(层)函数--CPU

本文主体参考：http://blog.csdn.net/sihailongwang/article/details/72783944

因其在windows上面操作，本文提供在Linux上操作的尝试。另外部分命名不规则，所以修正了一下。

修改caffe源代码，loss层是一个比较独立的一个层，而且可以仿照caffe给的样例进行添加，难度会稍微小点。

caffe自带了十种loss层(contrastive、euclidean、hinge、multinomial_logistic、

sigmoid_cross_entropy、smooth_L1、smooth_L1_ohem、

softmax、softmax_ohem、infogain)

详见：http://blog.csdn.NET/sihailongwang/article/details/72657637

公式含义推荐：http://blog.csdn.net/u012177034/article/details/52144325

接下来，就是自己添加一个新的loss(层)函数了，我打算添加：Absolute loss

第一步：在caffe.proto增加对应的LayerParameter 和 message：

在caffe.proto中的message LayerParameter 中添加下面这行：

[cpp] view plain copy

1. optional AbsoluteLossParameter absolute_loss_param = 151;  

在caffe.proto中的某个与message LayerParameter 平级的位置添加下面这段代码：

[cpp] view plain copy

1. message AbsoluteLossParameter {    
2.   optional float dis = 1 [default = 1.0];    
3. }    

第二步：打开./include/caffe/下的文件loss_layers.hpp，在caffe命名空间最下面添加：

template <typename Dtype>  class AbsoluteLossLayer : public LossLayer<Dtype> {   public:    explicit AbsoluteLossLayer(const LayerParameter& param)        : LossLayer<Dtype>(param), dis_() {}    virtual void Reshape(const vector<Blob<Dtype>*>& bottom,        const vector<Blob<Dtype>*>& top);       virtual inline const char* type() const { return "AbsoluteLoss"; }    virtual inline bool AllowForceBackward(const int bottom_index) const {      return true;    }       protected:    /// @copydoc AbsoluteLossLayer    virtual void Forward_cpu(const vector<Blob<Dtype>*>& bottom,        const vector<Blob<Dtype>*>& top);        virtual void Backward_cpu(const vector<Blob<Dtype>*>& top,        const vector<bool>& propagate_down, const vector<Blob<Dtype>*>& bottom);         Blob<Dtype> dis_;  };  

第三步：在./src/caffe/util/math_functions.cpp中增加“绝对值求和”模板函数，在caffe命名空间最下面添加：

template <typename Dtype>  Dtype caffe_cpu_abs_sum(const int n, const Dtype* x) {    return caffe_cpu_asum(n, x);  }    template  float caffe_cpu_asum<float>(const int n, const float* x);    template  double caffe_cpu_asum<double>(const int n, const double* x); 

第四步：在./src/caffe/layers/下增加相应layer的CPU/GPU实现文件：

CPU版本（absolute_loss_layer.cpp）：

#include <vector>    #include "caffe/loss_layers.hpp"  #include "caffe/util/math_functions.hpp"    namespace caffe {    template <typename Dtype>  void AbsoluteLossLayer<Dtype>::Reshape(    const vector<Blob<Dtype>*>& bottom, const vector<Blob<Dtype>*>& top) {    LossLayer<Dtype>::Reshape(bottom, top);   //在LossLayer 中定义    CHECK_EQ(bottom[0]->count(1), bottom[1]->count(1))  //保证输入维度相同        << "Inputs must have the same dimension.";    dis_.ReshapeLike(*bottom[0]);           //Blob 类型的diff_用来存放两个bottom的差，和bottom具有相同的  }    template <typename Dtype>  void AbsoluteLossLayer<Dtype>::Forward_cpu(const vector<Blob<Dtype>*>& bottom,      const vector<Blob<Dtype>*>& top) {    int count = bottom[0]->count();   //总共有count个featuremap     caffe_sub(        count,        bottom[0]->cpu_data(),        bottom[1]->cpu_data(),        dis_.mutable_cpu_data());    //diff_ = bottom[0] - bottom[1]     Dtype loss_param = this->layer_param_.absolute_loss_param().dis();    Dtype abs_sum = caffe_cpu_abs_sum(count,dis_.cpu_data());    //Dtype dot = caffe_cpu_abs_sum()(count, diff_.cpu_data(), dis_.cpu_data());    Dtype loss = loss_param * abs_sum / bottom[0]->num();    top[0]->mutable_cpu_data()[0] = loss;  }    template <typename Dtype>  void AbsoluteLossLayer<Dtype>::Backward_cpu(const vector<Blob<Dtype>*>& top,      const vector<bool>& propagate_down, const vector<Blob<Dtype>*>& bottom) {    for (int i = 0; i < 2; ++i) {      if (propagate_down[i]) {         //对于输入的label bottom propagate_dowm为0        const Dtype sign = (i == 0) ? 1 : -1;        const Dtype alpha = sign * top[0]->cpu_diff()[0] / bottom[i]->num();        caffe_cpu_axpby(            bottom[i]->count(),                       // count            alpha,                             // alpha            dis_.cpu_data(),                        // a            Dtype(0),                           // beta            bottom[i]->mutable_cpu_diff());                 // b      }     //bottom[i]->mutable_cpu_diff()) = alpha*dis_.cpu_data()    }  }    INSTANTIATE_CLASS(AbsoluteLossLayer);  REGISTER_LAYER_CLASS(AbsoluteLoss);    }  // namespace caffe  

第五步：打开caffe，进行编译，编译成功即可、