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

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、