Caffe學習系列(3)：視覺層（Vision Layers)及參數 Caffe學習系列(2)：數據層及參數

全部的層都具備的參數，如name, type, bottom, top和transform_param請參看個人前一篇文章：Caffe學習系列(2)：數據層及參數

本文只講解視覺層（Vision Layers)的參數，視覺層包括Convolution, Pooling, Local Response Normalization (LRN), im2col等層。

一、Convolution層：

就是卷積層，是卷積神經網絡（CNN）的核心層。

層類型：Convolution

　　lr_mult: 學習率的係數，最終的學習率是這個數乘以solver.prototxt配置文件中的base_lr。若是有兩個lr_mult, 則第一個表示權值的學習率，第二個表示偏置項的學習率。通常偏置項的學習率是權值學習率的兩倍。

在後面的convolution_param中，咱們能夠設定卷積層的特有參數。

必須設置的參數：

  　　num_output: 卷積核（filter)的個數

  　　kernel_size: 卷積核的大小。若是卷積核的長和寬不等，須要用kernel_h和kernel_w分別設定

其它參數：

  　　 stride: 卷積核的步長，默認爲1。也能夠用stride_h和stride_w來設置。

  　　 pad: 擴充邊緣，默認爲0，不擴充。 擴充的時候是左右、上下對稱的，好比卷積核的大小爲5*5，那麼pad設置爲2，則四個邊緣都擴充2個像素，即寬度和高度都擴充了4個像素,這樣卷積運算以後的特徵圖就不會變小。也能夠經過pad_h和pad_w來分別設定。

    　　weight_filler: 權值初始化。 默認爲「constant",值全爲0，不少時候咱們用"xavier"算法來進行初始化，也能夠設置爲」gaussian"

    　　bias_filler: 偏置項的初始化。通常設置爲"constant",值全爲0。

   　　 bias_term: 是否開啓偏置項，默認爲true, 開啓

   　　 group: 分組，默認爲1組。若是大於1，咱們限制卷積的鏈接操做在一個子集內。若是咱們根據圖像的通道來分組，那麼第i個輸出分組只能與第i個輸入分組進行鏈接。

 

輸入：n*c ₀*w ₀*h ₀

輸出：n*c ₁*w ₁*h ₁

其中，c ₁就是參數中的num_output，生成的特徵圖個數

 w ₁=(w ₀+2*pad-kernel_size)/stride+1;

 h ₁=(h ₀+2*pad-kernel_size)/stride+1;

若是設置stride爲1，先後兩次卷積部分存在重疊。若是設置pad=(kernel_size-1)/2,則運算後，寬度和高度不變。

示例：

layer {
  name: "conv1"
  type: "Convolution"
  bottom: "data"
  top: "conv1"
  param {
    lr_mult: 1
  }
  param {
    lr_mult: 2
  }
  convolution_param {
    num_output: 20
    kernel_size: 5
    stride: 1
    weight_filler {
      type: "xavier"
    }
    bias_filler {
      type: "constant"
    }
  }
}

  二、Pooling層

也叫池化層，爲了減小運算量和數據維度而設置的一種層。

層類型：Pooling

必須設置的參數：

  　　 kernel_size: 池化的核大小。也能夠用kernel_h和kernel_w分別設定。

其它參數：

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

　　pad: 和卷積層的pad的同樣，進行邊緣擴充。默認爲0

　　stride: 池化的步長，默認爲1。通常咱們設置爲2，即不重疊。也能夠用stride_h和stride_w來設置。

 示例：

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

pooling層的運算方法基本是和卷積層是同樣的。

輸入：n*c*w ₀*h ₀

輸出：n*c*w ₁*h ₁

和卷積層的區別就是其中的c保持不變

 w ₁=(w ₀+2*pad-kernel_size)/stride+1;

 h ₁=(h ₀+2*pad-kernel_size)/stride+1;

若是設置stride爲2，先後兩次卷積部分不重疊。100*100的特徵圖池化後，變成50*50.

 

三、Local Response Normalization (LRN)層

此層是對一個輸入的局部區域進行歸一化，達到「側抑制」的效果。可去搜索AlexNet或GoogLenet，裏面就用到了這個功能

 層類型：LRN

參數：所有爲可選，沒有必須

　　local_size: 默認爲5。若是是跨通道LRN，則表示求和的通道數；若是是在通道內LRN，則表示求和的正方形區域長度。

　　alpha: 默認爲1，歸一化公式中的參數。

　　beta: 默認爲5，歸一化公式中的參數。

　　norm_region: 默認爲ACROSS_CHANNELS。有兩個選擇，ACROSS_CHANNELS表示在相鄰的通道間求和歸一化。WITHIN_CHANNEL表示在一個通道內部特定的區域內進行求和歸一化。與前面的local_size參數對應。

 

歸一化公式：對於每個輸入, 去除以 ，獲得歸一化後的輸出

 

示例：

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

四、im2col層

若是對matlab比較熟悉的話，就應該知道im2col是什麼意思。它先將一個大矩陣，重疊地劃分爲多個子矩陣，對每一個子矩陣序列化成向量，最後獲得另一個矩陣。

 

看一看圖就知道了：

在caffe中，卷積運算就是先對數據進行im2col操做，再進行內積運算（inner product)。這樣作，比原始的卷積操做速度更快。

看看兩種卷積操做的異同：