在python中构建自定义Caffe层

在python中构建自定义Caffe层

您在这里提出了很多问题，我将为您提供一些重点和指导，希望这些对您有所帮助。我不会明确回答您的所有问题。

您似乎对Blob和图层的输入/输出之间的差异感到最困惑。实际上，大多数层都有一个 单一的 Blob作为输入，一个 单一的
Blob作为输出，但并非总是如此。考虑一个损失层：它有 两个 输入：预测和地面真相标签。因此，在这种情况下，

bottom

是一个长度为 2
（！）的向量，是一个

bottom[0]

表示预测的（4-D）斑点，而

bottom[1]

另一个是带有标签的斑点。因此，在构造这样的层时，您必须确定您具有（硬编码）2个输入Blob（例如，

ExactNumBottomBlobs()

见

AccuracyLayer

定义）。

这同样适用于

top

斑点和：确实是在大多数情况下，有一个单一的

top

每一层，但它并非总是如此（见例如

AccuracyLayer

）。因此，

top

也是4-D斑点的
向量 ，每

top

一层一个。大多数情况下，该向量中只有一个元素，但有时您可能会发现多个。

我相信这涵盖了您的问题1,3,4和6。

从

reshape()

（Q.2）开始，此函数未在每次正向传递时调用，仅在设置net来为输入/输出和参数分配空间时才调用此函数。
有时，您可能想更改网络的输入大小（例如，检测网络），然后需要调用网络

reshape()

的所有层以适应新的输入大小。

至于

propagate_down

参数（Q.7）：由于一层可能有多个

bottom

，原则上需要在反向传播期间将渐变传递给 所有

bottom

s。但是，

label

损失层底部的梯度是什么意思？在某些情况下，您不想传播到 所有

bottom

s：这是此标志的作用。