caffe学习笔记（2）

来源：互联网发布：淘宝购物没收到货退款编辑：程序博客网时间：2024/06/03 22:32

caffe学习笔记（2）－视觉层（vision layers)

本文参考博客caffe学习，是根据这篇博客做的学习笔记。详细情况可以参考原博客，真的很赞。

所有的层都具有的参数，如name, type, bottom, top和transform_param请参看我的前一篇文章：caffe学习笔记（1）

本文只讲解视觉层（Vision Layers)的参数，视觉层包括Convolution, Pooling, Local Response Normalization (LRN), im2col等层。

1、Convolution层：

就是卷积层，是卷积神经网络（CNN）的核心层。

层类型：Convolution

　　lr_mult: 学习率的系数，最终的学习率是这个数乘以solver.prototxt配置文件中的base_lr。如果有两个lr_mult, 则第一个表示权值的学习率，第二个表示偏置项的学习率。一般偏置项的学习率是权值学习率的两倍。

在后面的convolution_param中，我们可以设定卷积层的特有参数。

必须设置的参数：

　　num_output: 卷积核（filter)的个数

　　kernel_size: 卷积核的大小。如果卷积核的长和宽不等，需要用kernel_h和kernel_w分别设定

其它参数：

　　 stride: 卷积核的步长，默认为1。也可以用stride_h和stride_w来设置。

　　 pad: 扩充边缘，默认为0，不扩充。扩充的时候是左右、上下对称的，比如卷积核的大小为5*5，那么pad设置为2，则四个边缘都扩充2个像素，即宽度和高度都扩充了4个像素,这样卷积运算之后的特征图就不会变小。也可以通过pad_h和pad_w来分别设定。

　　weight_filler: 权值初始化。默认为“constant",值全为0，很多时候我们用"xavier"算法来进行初始化，用xavier算法初始化，就是保证每一层的输出数据的方差尽可能相等，这样保证网络中数据有更好的流动性，详细信息可参考博客：深度学习xavier算法初始化权重。也可以设置为”gaussian"

　　bias_filler: 偏置项的初始化。一般设置为"constant",值全为0。

　　 bias_term: 是否开启偏置项，默认为true, 开启

　　 group: 分组，默认为1组。如果大于1，我们限制卷积的连接操作在一个子集内。如果我们根据图像的通道来分组，那么第i个输出分组只能与第i个输入分组进行连接。

输入：n*c₀*w₀*h₀

输出：n*c₁*w₁*h₁

其中，c₁就是参数中的num_output，生成的特征图个数，n应该就是前面提到的batch_size，就是每次处理的批次。

w₁=(w₀+2*pad-kernel_size)/stride+1;

h₁=(h₀+2*pad-kernel_size)/stride+1;

如果设置stride为1，前后两次卷积部分存在重叠。如果设置pad=(kernel_size-1)/2,则运算后，宽度和高度不变。

示例：

layer {  name: "conv1"         //该层的名字，自己起  type: "Convolution"   //该层的类型，这个类型决定了该层的参数和能进行的运算，层的类型还有很多，像下面的pooling等  bottom: "data"        //代表该层的输入数据  top: "conv1"<span style="white-space:pre"></span>//该层的输出数据<span style="white-space:pre"></span>  param {    lr_mult: 1          //权值的学习率  }  param {    lr_mult: 2<span style="white-space:pre"></span>//偏置项的学习率  }  convolution_param {       num_output: 20      //卷积核的个数    kernel_size: 5      //卷积核的尺寸    stride: 1<span style="white-space:pre"></span>//卷积核的步长    weight_filler {     //权值初始化，用xavier算法      type: "xavier"    }    bias_filler {<span style="white-space:pre"></span>//偏置项初始化，constant为默认初始化为0      type: "constant"    }  }}

2、Pooling层

也叫池化层，为了减少运算量和数据维度而设置的一种层。

层类型：Pooling

必须设置的参数：

　　 kernel_size: 池化的核大小。也可以用kernel_h和kernel_w分别设定。

其它参数：

　pool: 池化方法，默认为MAX。目前可用的方法有MAX, AVE, 或STOCHASTIC

　　pad: 和卷积层的pad的一样，进行边缘扩充。默认为0

　　stride: 池化的步长，默认为1。一般我们设置为2，即不重叠。也可以用stride_h和stride_w来设置。

示例：

layer {  name: "pool1"  type: "Pooling"  bottom: "conv1"  top: "pool1"  pooling_param {    pool: MAX    kernel_size: 3    stride: 2  }}

pooling层的运算方法基本是和卷积层是一样的。

输入：n*c*w₀*h₀

输出：n*c*w₁*h₁

和卷积层的区别就是其中的c保持不变

w₁=(w₀+2*pad-kernel_size)/stride+1;

h₁=(h₀+2*pad-kernel_size)/stride+1;

如果设置stride为2，前后两次卷积部分不重叠。100*100的特征图池化后，变成50*50.

3、Local Response Normalization (LRN)层

Hinton等人在12年NIPS的论文[1]中认为，LRN层模仿生物神经系统的侧抑制[2]机制，对局部神经元的活动创建竞争机制，使得响应比较大的值相对更大，提高模型泛化能力。Hinton等人在ImageNet上的实验表明，添加LRN层可以分别把Top 1和Top 5的error rate降低1.4%和1.2%. LRN的几个超参数，local_size, alpha, beta等，需要在验证集上选择最优值。论文[1]中推荐的值为local_size = 5, alpha= $10^{-4}$ , beta = 0.75.

当然，LRN层的实际作用到底有多大，还可以进一步参考后续的相关研究文献。正如@贾扬清大神所说，为了增加caffe对AlexNet，CaffeNet的兼容性，就不得不在Layer类中派生LRN layer类
[1] Alex, Image Classification with Deep Convolutional Neural Network,NIPS 2012
[2] Lateral inhibition

层类型：LRN

参数：全部为可选，没有必须

　　local_size: 默认为5。如果是跨通道LRN，则表示求和的通道数；如果是在通道内LRN，则表示求和的正方形区域长度。

　　alpha: 默认为1，归一化公式中的参数。

　　beta: 默认为5，归一化公式中的参数。

　　norm_region: 默认为ACROSS_CHANNELS。有两个选择，ACROSS_CHANNELS表示在相邻的通道间求和归一化。WITHIN_CHANNEL表示在一个通道内部特定的区域内进行求和归一化。与前面的local_size参数对应。

归一化公式：对于每一个输入, 去除以

，得到归一化后的输出

layers {  name: "norm1"  type: LRN  bottom: "pool1"  top: "norm1"  lrn_param {    local_size: 5    alpha: 0.0001    beta: 0.75  }}

4、im2col层

如果对matlab比较熟悉的话，就应该知道im2col是什么意思。它先将一个大矩阵，重叠地划分为多个子矩阵，对每个子矩阵序列化成向量，最后得到另外一个矩阵。

看一看图就知道了：

在caffe中，卷积运算就是先对数据进行im2col操作，再进行内积运算（inner product)。这样做，比原始的卷积操作速度更快。

看看两种卷积操作的异同：

0 0