Caffe代码阅读11：absval_layer层的实现

来源：互联网发布：沙盘是什么软件编辑：程序博客网时间：2024/05/24 01:13

这一层比较简单：主要就是求绝对值，反传部分的代码也很简单

里头用到了caffe_abs这个函数以及caffe_cpu_sign这两个函数

需要注意的是caffe_cpu_sign在math_functions.hpp里头定义得比较特别

在math_functions.hpp里只有caffe_sign，通过一个宏定义生成了caffe_cpu_sign这个函数

整体来说没啥特别的内容，直接上代码吧。

#include <vector>#include "caffe/layers/absval_layer.hpp"#include "caffe/util/math_functions.hpp"namespace caffe {template <typename Dtype>void AbsValLayer<Dtype>::LayerSetUp(const vector<Blob<Dtype>*>& bottom,      const vector<Blob<Dtype>*>& top) {  NeuronLayer<Dtype>::LayerSetUp(bottom, top);  CHECK_NE(top[0], bottom[0]) << this->type() << " Layer does not "    "allow in-place computation.";}template <typename Dtype>void AbsValLayer<Dtype>::Forward_cpu(    const vector<Blob<Dtype>*>& bottom, const vector<Blob<Dtype>*>& top) {  const int count = top[0]->count();  Dtype* top_data = top[0]->mutable_cpu_data();  caffe_abs(count, bottom[0]->cpu_data(), top_data);}template <typename Dtype>void AbsValLayer<Dtype>::Backward_cpu(const vector<Blob<Dtype>*>& top,    const vector<bool>& propagate_down, const vector<Blob<Dtype>*>& bottom) {  const int count = top[0]->count();  // 前面一层关于本层top的偏导  const Dtype* top_diff = top[0]->cpu_diff();  if (propagate_down[0]) {    const Dtype* bottom_data = bottom[0]->cpu_data();    Dtype* bottom_diff = bottom[0]->mutable_cpu_diff();    // 将bottom_data里头的每个元素的正负值复制到bottom_diff    caffe_cpu_sign(count, bottom_data, bottom_diff);    // 计算偏导数计算关于本层bottom的偏导    // 将关于top的偏导乘以当前层bottom中每个数据的符号    caffe_mul(count, bottom_diff, top_diff, bottom_diff);  }}#ifdef CPU_ONLYSTUB_GPU(AbsValLayer);#endifINSTANTIATE_CLASS(AbsValLayer);REGISTER_LAYER_CLASS(AbsVal);}  // namespace caffe

0 0