caffecaffe中网络层含义
Posted 超级无敌陈大佬的跟班
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了caffecaffe中网络层含义相关的知识,希望对你有一定的参考价值。
Reshape层:
(改变blob的形状,N,C,W,H)
Reshape layer只改变输入数据的维度,但内容不变,也没有数据复制的过程,与Flatten layer类似。
输出维度由reshape_param 指定,正整数直接指定维度大小,下面两个特殊的值:
- 0 => 表示复制输入相应维度的值。
- -1 => 表示根据其他维度自动推测维度大小。reshape_param中至多只能有一个-1。
layer {
name: "reshape"
type: "Reshape"
bottom: "input"
top: "output"
reshape_param {
shape {
dim: 0 "dim:0 表示维度不变,即输入和输出是相同的维度。 "
dim: 2
dim: 3
dim: -1 "表示由系统自动计算维度"
}
}
}
有一个可选的参数组shape, 用于指定blob数据的各维的值(blob是一个四维的数据:n*c*w*h)。
dim:0 表示维度不变,即输入和输出是相同的维度。
dim:2 或 dim:3 将原来的维度变成2或3
dim:-1 表示由系统自动计算维度。数据的总量不变,系统会根据blob数据的其它三维来自动计算当前维的维度值 。
假设原数据为:32*3*28*28, 表示32张3通道的28*28的彩色图片
# shape {
# dim: 0 32-32
# dim: 0 3-3
# dim: 14 28-14
# dim: -1 #让其推断出此数值
# }
#输出数据为:32*3*14*56
Eltwise层:
Eltwise层的操作有三个:数据product(点乘), sum(相加减) 和 max(取大值),其中sum是默认操作。
layer
{
name: "eltwise_layer"
type: "Eltwise"
bottom: "A"
bottom: "B"
top: "diff"
eltwise_param {
operation: SUM #相加
}
}
"还可以实现一个相减操作"
layer
{
name: "eltwise_layer"
type: "Eltwise"
bottom: "A"
bottom: "B"
top: "diff"
eltwise_param {
operation: SUM
coeff: 1 #A的系数为1
coeff: -1 #B的系数为-1.即可实现相减
}
}
以上是关于caffecaffe中网络层含义的主要内容,如果未能解决你的问题,请参考以下文章
在Tomcat的安装目录下conf目录下的server.xml文件中增加一个xml代码片段,该代码片段中每个属性的含义与用途