caffe自定义层

developing new layer

开发一个新层

---

• 添加一个层的类声明到：include/caffe/layers/your_layer.hpp。
  
  • 包括type的内联实现方法覆盖virtual inline const char* type() const { return "YourLayerName"; }，将YourLayerName替换为你的层名称。
  • 实现{*} Blobs()方法来指定blob数量要求； 参阅/caffe/include/caffe/layers.hpp以使用内联{*} Blobs()方法强制执行top和bottom Blob计数。
  • 如果你只实现CPU代码，则省略* _gpu声明。
• 在src/caffe/layers/your_layer.cpp中实现层。
  
  • （可选）用于一次性初始化的LayerSetUp：读取参数，固定大小的分配等。
  • Reshape用于计算top blob的大小，分配缓冲区以及取决于bottom blob的形状的任何其它工作。
  • Forward_cpu用于层的计算
  • Backward_cpu用于其反向梯度传播（可选 - 图层可以是仅向前传播）
• （可选）在layers/your_layer.cu中实现GPU版本Forward_gpu和Backward_gpu。
• 如果需要，在proto/caffe.proto中声明参数，使用（然后增加）”next available layer-specific ID”(“下一个可用的特定于层的ID”)在需要的message LayerParameter之上。
• 使用layer_factory.hpp中提供的宏在cpp文件中实例化并注册层。 假设有一个新层MyAwesomeLayer，可以使用以下命令实现它：

INSTANTIATE_CLASS(MyAwesomeLayer);
REGISTER_LAYER_CLASS(MyAwesome);

• 注意，应该将注册代码放在自己的cpp文件中，因此实现层是自包含的。
• 或者，如果您的图层有多个engines，也可以注册Creator。 示例见：caffe/layer_factory.cpp中的GetConvolutionLayer。
• 在test/test_your_layer.cpp中写入测试。 使用test/test_gradient_check_util.hpp来检查Forward和Backward。

仅向前传播层

---

如果写一个只包含在测试网络中的层，可不必编写反向传递。 可以在include/caffe/your_layer.hpp中编写一个Backward_cpu（或Backward_gpu）的内联实现以及您的图层的定义，如下所示：

virtual void Backward_cpu(const vector<Blob<Dtype>*>& top, const vector<bool>& propagate_down, const vector<Blob<Dtype>*>& bottom) {
  NOT_IMPLEMENTED;
}

NOT_IMPLEMENTED宏（在common.hpp中定义）会抛出一个错误日志“尚未实现”。 例如，查看准确度层（accuracy_layer.hpp）和阈值层（threshold_layer.hpp）定义。