caffe的特殊层

关键词

每次写博客都带有一定的目的，在我看来这是一个记录的过程，所以尽量按照循序渐进的顺序逐步写，前面介绍的CNN层应该是非常常用的，这篇博客介绍一下某些特殊的layer，但是由于特殊的layer都带有一定的目的所以根据项目是可以修改和添加的，后续保持更新。

permute layer：改变blob数组的order，例如N×C×H×W变换为N×H×W×C，permute_param为order：0，order：2，order：3，order：1；这样做的目的可能是方便后面操作。
flatten layer：将N×C×H×W改变成N×（C*H*W）×1×1。
reshape layer：可以将任意的输入维度变成你想要的输出维数，其中dim：0表示这一维度保持不变，dim：-1表示这一维度根据其它维度自动计算得到。
tile layer：将blob的某个维度，扩大n倍。比如原来是1234，扩大两倍变成11223344，没用过。
reduction layer：将某个维度缩减至1维，方法可以是sum、mean、asum、sumsq，没用过。

如下面的例子：

layer {
  name: "conv9_2_mbox_conf_perm"
  type: "Permute"
  bottom: "conv9_2_mbox_conf"
  top: "conv9_2_mbox_conf_perm"
  permute_param {
    order: 0
    order: 2
    order: 3
    order: 1
  }
}

layer {
  name: "conv9_2_mbox_conf_flat"
  type: "Flatten"
  bottom: "conv9_2_mbox_conf_perm"
  top: "conv9_2_mbox_conf_flat"
  flatten_param {
    axis: 1
  }
}

layer {
  name: "mbox_conf_reshape"
  type: "Reshape"
  bottom: "mbox_conf"
  top: "mbox_conf_reshape"
  reshape_param {
    shape {
      dim: 0
      dim: -1
      dim: 21
    }
  }
}

本文链接：http://task.lmcjl.com/news/727.html

展开阅读全文

上一篇：机器学习笔记5：决策树下一篇：TensorFlow入门教程系列(二)：用神经网络拟合二次函数

热门文章排行

推荐文章

关键词

caffe的特殊层