Caffe的layer解析

文章作者：Tyan
博客：noahsnail.com | CSDN | 简书

1. Caffe中的layer

在Caffe中，神经网络Net是由一层层的神经网络层layer组合构建出来的，神经网络结构位于主要是在.prototxt文件中。Caffe中的layer分为Data Layers、Vision Layers、Recurrent Layers、Common Layers、Normalization Layers、Activation/Neuron Layers、Utility Layers、Loss Layers等。下面对这些layer进行一一的介绍。

2. Data Layer

Data Layer是数据层，主要用来向神经网络中输入训练数据的，它支持的输入数据类型有：

Image Data
读取原始图像数据
Database
从LEVELDB或LMDB中读取数据
HDF5 Input
读取HDF5数据，数据可以是任意维度的
HDF5 Output
输出HDF5数据
Input
通常在部署神经网络时使用
Window Data - read window data file.
存在硬盘上的图片，需要在一个txt里指定用于训练图片以及bounding box。
Memory Data
直接从内存中读取数据
Dummy Data
静态数据和调试

Data Layer的定义如下：

layer {
  name: "data"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TRAIN
  }
  transform_param {
    mean_file: "mean.binaryproto"
  }
  data_param {
    source: "train_lmdb"
    batch_size: 32
    backend: LMDB
  }
}

name：用来定义layer的名字，没有限制。
type：layer的类型，具体类型可参考http://caffe.berkeleyvision.org/tutorial/layers.html。
top：layer的输出数据，由于是分类问题，因此有两个top，数据和标签。
bottom：layer的输入数据。
source：表示训练数据或测试数据的地址，必须有。
batch_size：一次训练或测试多少幅数据，必须有。
bakcend：可选，默认为LEVELDB。
include：表明该层属于训练阶段还是测试阶段，如果不指定，表示两个阶段都包括。