windows-caffe添加新层

参考博客：
http://46aae4d1e2371e4aa769798941cef698.devproxy.yunshipei.com/kkk584520/article/details/52721838

因为是在windows-caffe下，所以在上述博客基础上做了些较为详细的记录，外加一点点修改

一、修改caffe.proto

在路径 caffe-windows-master\src\caffe\proto中找到caffe.proto.prototxt,添加

    optional AllPassParameter all_pass_param = 155;

还有

    message AllPassParameter {            optional float key = 1 [default = 0];          }

添加完成后保存，然后就是windows-caffe下的多一步的操作，需要点击extract_proto批处理文件，重新生成caffe.pb.hpp和caffe.pb.cc文件。

二、添加新层头文件

在路径caffe-windows-master\include\caffe\layers下添加all_pass_layer.h文件

#ifndef CAFFE_ALL_PASS_LAYER_HPP_  #define CAFFE_ALL_PASS_LAYER_HPP_  #include <vector>  #include "caffe/blob.hpp"  #include "caffe/layer.hpp"  #include "caffe/proto/caffe.pb.h"  #include "caffe/layers/neuron_layer.hpp"  namespace caffe {  template <typename Dtype>  class AllPassLayer : public NeuronLayer<Dtype> {   public:    explicit AllPassLayer(const LayerParameter& param)        : NeuronLayer<Dtype>(param) {}    virtual inline const char* type() const { return "AllPass"; }   protected:    virtual void Forward_cpu(const vector<Blob<Dtype>*>& bottom,        const vector<Blob<Dtype>*>& top);    //virtual void Forward_gpu(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);    //virtual void Backward_gpu(const vector<Blob<Dtype>*>& top,      //  const vector<bool>& propagate_down, const vector<Blob<Dtype>*>& bottom);  };  }  // namespace caffe  #endif  // CAFFE_ALL_PASS_LAYER_HPP_ 

这里我在上述博客的基础上，将关于gpu的虚函数注释掉了，因为我的caffe是在GPU模式下编译的（若不注释，会出现链接错误），若是在CPU模式下编译，可不注释。

三、添加新层源文件

caffe-windows-master\src\caffe\layers路径下添加all_pass_layer.cc

#ifndef CAFFE_ALL_PASS_LAYER_HPP_  #define CAFFE_ALL_PASS_LAYER_HPP_  #include <vector>  #include "caffe/blob.hpp"  #include "caffe/layer.hpp"  #include "caffe/proto/caffe.pb.h"  #include "caffe/layers/neuron_layer.hpp"  namespace caffe {  template <typename Dtype>  class AllPassLayer : public NeuronLayer<Dtype> {   public:    explicit AllPassLayer(const LayerParameter& param)        : NeuronLayer<Dtype>(param) {}    virtual inline const char* type() const { return "AllPass"; }   protected:    virtual void Forward_cpu(const vector<Blob<Dtype>*>& bottom,        const vector<Blob<Dtype>*>& top);    //virtual void Forward_gpu(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);    //virtual void Backward_gpu(const vector<Blob<Dtype>*>& top,      //  const vector<bool>& propagate_down, const vector<Blob<Dtype>*>& bottom);  };  }  // namespace caffe  #endif  // CAFFE_ALL_PASS_LAYER_HPP_  

在路径下添加之后，需要在caffe VS C++工程中添加.hpp文件和.cc文件

四、重新编译

选中caffe工程，点击rebuild即可

五、实验添加的新层

写个简单的测试网络结构 deploy.prototxt

name: "AllPassTest"  layer {    name: "data"    type: "Input"    top: "data"    input_param { shape: { dim: 10 dim: 3 dim: 227 dim: 227 } }  }  layer {    name: "ap"    type: "AllPass"    bottom: "data"    top: "conv1"    all_pass_param {      key: 12.88    }  }

windows-caffe测试方法和在Linux下相同，打开CMD，进入caffe根目录

    bin\caffe.exe time -model deploy.prototxt

done

这里只是做个记录