caffecaffe中网络层含义

Posted 2021-06-29 超级无敌陈大佬的跟班

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
  }
}​