caffe中添加新层(差分层)

caffe中添加新层(最新版本2017.8)

正向直接copy传播，反向时将梯度放缩指定倍。

这个层对一些特定的网络结构有很重要的辅助作用，比如有时我们的网络存在分支，但我们不希望某一分支影响之前层的更新，那么我们就将梯度放缩0倍

（1）创建hpp头文件diff_cutoff_layer.hpp

不同功能类型的层所引的头文件也不同，具体大家可以到“caffe/include/caffe/layers”目录下找相似的现成的文件参考 。我们这次写的hpp文件最后也要放在这个目录下。 注意：下面注释包起来的部分为需要注意的部分。 特别注意：命名的时候应严格一致和注意大小写，这一点是导致很多人加层失败的主要原因

//***************************************** #ifndef CAFFE_DIFFCUTOFF_LAYER_HPP_ #define CAFFE_DIFFCUTOFF_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> //******以后我们层的type: "DiffCutoff" ******* class DiffCutoffLayer : public NeuronLayer<Dtype> { //***************************************** public: explicit DiffCutoffLayer(const LayerParameter& param) : NeuronLayer<Dtype>(param) {} virtual void LayerSetUp(const vector<Blob<Dtype>*>& bottom, const vector<Blob<Dtype>*>&top); //****我们只需要一个bottom和一个top***** virtual inline int ExactNumBottomBlobs() const { return 1; } //******以后我们层的type: "DiffCutoff" ******* virtual inline const char* type() const { return "DiffCutoff"; } protected: //******这里只写了CPU功能，故删掉了原本的GPU函数 ******* 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); // *****定义一个Dtype型的标量，用来存储梯度放缩倍数*** Dtype diff_scale; }; } #endif （2）创建diff_cutoff_layer.cpp文件

CPP文件应当位于src/caffe/layers下

#include <algorithm> #include <vector> //***************************************** #include "caffe/layers/diff_cutoff_layer.hpp" //***************************************** #include "caffe/util/math_functions.hpp" namespace caffe { template <typename Dtype> void DiffCutoffLayer<Dtype>::LayerSetUp( const vector<Blob<Dtype>*>& bottom, const vector<Blob<Dtype>*>& top) { NeuronLayer<Dtype>::LayerSetUp(bottom, top); // 因为对前向传播不修改，因此top的shape应和bottom的shape相同 top[0]->Reshape(bottom[0]->shape()); } template <typename Dtype> void DiffCutoffLayer<Dtype>::Forward_cpu( const vector<Blob<Dtype>*>& bottom, const vector<Blob<Dtype>*>& top) { // 前向传播直接将bottom的数据copy到top const int count = top[0]->count(); caffe_copy( count, bottom[0]->cpu_data(), top[0]->mutable_cpu_data()); } template <typename Dtype> void DiffCutoffLayer<Dtype>::Backward_cpu(const vector<Blob<Dtype>*>& top,const vector<bool>& propagate_down, const vector<Blob<Dtype>*>& bottom) { const int count = top[0]->count(); const Dtype* top_diff = top[0]->cpu_diff(); //读取我们实际指定的梯度放缩倍数，注意我们的参数名为diff_scale diff_scale= this->layer_param_.diff_cutoff_param().diff_scale(); // 如果bottom前向传播完成，我们就把top的diff放缩后赋给bottom的diff if (propagate_down[0]) { Dtype* bottom_diff = bottom[0]->mutable_cpu_diff(); caffe_cpu_axpby( count, diff_scale, top_diff, Dtype(0), bottom_diff); } } #ifdef CPU_ONLY STUB_GPU(DiffCutoffLayer); #endif INSTANTIATE_CLASS(DiffCutoffLayer); REGISTER_LAYER_CLASS(DiffCutoff); }

（3）修改src\caffe\proto\caffe.proto文件

【1】由于我们的层有一个diff_scale参数，因此我们首先应该在message LayerParameter {}中添加新参数信息。添加信息时，首先要制定一个唯一ID，这个ID的可选值可以由这句话看出：

// NOTE // Update the next available ID when you add a new LayerParameter field. // // LayerParameter next available layer-specific ID: 147 (last added: BatchCLuster) message LayerParameter {

由上图可以看出，可选的ID为147。 于是我们就可以添加这样一行：

optional DiffCutoffParameter diffcutoff_param = 147;

任意位置出定义层的参数

message DiffCutoffParameter { optionalfloat diff_scale = 1 [default = 1];//默认梯度不缩放 }（4）最后重新编译caffe即可 设置train.prototxt

layer { name: "diff_1" type: "DiffCutoff" bottom: "conv1" top: "diff_1" diff_cutoff_param { diff_scale: 0.0001 } }（5）放入到相应的位置，然后运行caffe，就可以了！