Caffe | 教你如何读懂caffe代码

墨蓝 2022-03-25 10:24 266阅读 0赞

#### 0.简介 ####

要读懂caffe，首先要熟悉Blob,Layer,Net,Solver这几个大类。这四个大类紧密相连，贯穿了整个caffe的结构，下面先分别简单地介绍一下这四个类的主要作用。

*  Blob：作为数据传输的媒介，无论是网络权重参数，还是输入数据，都是转化为Blob数据结构来存储
 *  Layer：作为网络的基础单元，神经网络中层与层间的数据节点、前后传递都在该数据结构中被实现，层类种类丰富，比如常用的卷积层、全连接层、pooling层等等，大大地增加了网络的多样性
 *  Net：作为网络的整体骨架，决定了网络中的层次数目以及各个层的类别等信息
 *  Solver：作为网络的求解策略，涉及到求解优化问题的策略选择以及参数确定方面，修改这个模块的话一般都会是研究DL的优化求解的方向。

所以利用caffe作深度学习的过程总结起来一句话：定义好整个网络结构Net，该结构是由一块块Layer组合起来的。最后用Solver解决方案来训练这个网络结构。这些过程中数据的传输均利用Blob。

#### 1.caffe中用到的结构化数据 ####

虽然我们了解了caffe在深度学习过程中的整体流程，但若是想要看懂这些结构在caffe中是如何定义的。那么我们首先要知道什么是proto文件。因为caffe中利用caffe.proto这个文件对其内部用到的数据作了解释，所以想要看懂caffe究竟是什么，了解caffe.proto就是第一步。proto文件的底层为Protocol Buffers，这是一种轻便高效的结构化数据存储格式，可以用于结构化数据串行化，或者说序列化（使得数据传输变得高效），好了真想大白了，这就是为什么caffe要用这种结构来定义数据了。

在Caffe中，首先编写一个 proto 文件，定义我们程序中需要处理的结构化数据，在 protobuf 的术语中，结构化数据被称为 Message。proto 文件非常类似 java 或者 C 语言的数据定义。

Package caffe;
    Message BlobProto{...}

定义一个命名空间，在该命名空间下定义一个类BlobProto（每一个Message都会生成一个类）。下面对Message做一个简单的介绍：

Message中的field：
    //而且这些field有三种形式：
    //1. Required是必须有值的，
    //2. optional是可选项，
    //3. repeated表示后面单元为相同类型的一组向量。
    
    Message的tag：
    //每个message里面的每个field都对应一个tag，
    //分别是1~15或者以上，比如required string number=1；
    //这个数字就是用来在生成的二进制文件中搜索查询的标签（怪不得会快）。
    //关于这个数字，1到15会花费1byte的编码空间，16到2047花费2byte。
    //所以一般建议把那些频繁使用的名字的标签设为1到15之间的值～
    
    Message的enum：
    //enum枚举类型调用方法：caffe::BlobProto::枚举类型里面的变量。

然后通过编译这个.proto文件之后就会生成一个.pb.cc和一个.pb.h文件。编译完成后caffe就可以基于C++运行了。

protoc -I=$SRC_DIR --cpp_out=$DST_DIR $SRC_DIR/addressbook.proto

Message类别：
    属于blob的：BlobProto, BlobProtoVector, Datum。
    
    属于layer的：FillerParameter, LayerParameter,
    ArgMaxParameter,TransformationParameter, LossParameter, AccuracyParameter,
    ConcatParameter, ContrastiveLossParameter, ConvolutionParameter,
    DataParameter, DropoutParameter, DummyDataParameter, EltwiseParameter,
    ExpParameter, HDF5DataParameter, HDF5OutputParameter, HingeLossParameter,
    ImageDataParameter, InfogainLossParameter, InnerProductParameter,
    LRNParameter, MemoryDataParameter, MVNParameter, PoolingParameter,
    PowerParameter, PythonParameter, ReLUParameter, SigmoidParameter,
    SliceParameter, SoftmaxParameter, TanHParameter, ThresholdParameter等。
    
    属于net的：NetParameter, SolverParameter, SolverState, NetState, NetStateRule,
    ParamSpec。
    
    NetParameter弄清楚NetParameter类的组成，也就明白了.Caffemodel的具体数据构成；
    SolverState类记录的是当前迭代状态和参数设置，与.solverstate文件有关系；

caffe中的一些主要的数据类型如下（主要就是我们最开始提到的Net网络，Layer模块，Solver模块，Blob模块）：

message BlobProto {//blob的属性以及blob中的数据(data\diff)
      optional int32 num = 1 [default = 0];
      optional int32 channels = 2 [default = 0];
      optional int32 height = 3 [default = 0];
      optional int32 width = 4 [default = 0];
      repeated float data = 5 [packed = true];
      repeated float diff = 6 [packed = true];
    }

message LayerParameter {
      repeated string bottom = 2; //输入的blob的名字(string)
      repeated string top = 3; //输出的blob的名字(string)
      optional string name = 4; //层的名字
      enum LayerType { //层的枚举（enum，和c++中的enum一样）
        NONE = 0;
        ACCURACY = 1;
        BNLL = 2;
        CONCAT = 3;
        CONVOLUTION = 4;
        DATA = 5;
        DROPOUT = 6;
        EUCLIDEAN_LOSS = 7;
        ELTWISE_PRODUCT = 25;
        FLATTEN = 8;
        HDF5_DATA = 9;
        HDF5_OUTPUT = 10;
        HINGE_LOSS = 28;
        IM2COL = 11;
        IMAGE_DATA = 12;
        INFOGAIN_LOSS = 13;
        INNER_PRODUCT = 14;
        LRN = 15;
        MEMORY_DATA = 29;
        MULTINOMIAL_LOGISTIC_LOSS = 16;
        POOLING = 17;
        POWER = 26;
        RELU = 18;
        SIGMOID = 19;
        SIGMOID_CROSS_ENTROPY_LOSS = 27;
        SOFTMAX = 20;
        SOFTMAX_LOSS = 21;
        SPLIT = 22;
        TANH = 23;
        WINDOW_DATA = 24;
      }
      optional LayerType type = 5; // 层的类型
      repeated BlobProto blobs = 6; //blobs的数值参数
      repeated float blobs_lr = 7; //学习速率
      repeated float weight_decay = 8; //权值衰减(repeated)
    
      // 相对于某一特定层的参数(optional)
      optional ConcatParameter concat_param = 9;
      optional ConvolutionParameter convolution_param = 10;
      optional DataParameter data_param = 11;
      optional DropoutParameter dropout_param = 12;
      optional HDF5DataParameter hdf5_data_param = 13;
      optional HDF5OutputParameter hdf5_output_param = 14;
      optional ImageDataParameter image_data_param = 15;
      optional InfogainLossParameter infogain_loss_param = 16;
      optional InnerProductParameter inner_product_param = 17;
      optional LRNParameter lrn_param = 18;
      optional MemoryDataParameter memory_data_param = 22;
      optional PoolingParameter pooling_param = 19;
      optional PowerParameter power_param = 21;
      optional WindowDataParameter window_data_param = 20;
      optional V0LayerParameter layer = 1;
    }

message NetParameter {
      optional string name = 1;//网络的名字
      repeated LayerParameter layers = 2; //基础单位layer
      repeated string input = 3;//输入层blob的名字
      repeated int32 input_dim = 4;//输入层blob的维度，应该等于(4*input)
      optional bool force_backward = 5 [default = false];//网络是否进行反向传播。
    //如果设置为否，则由网络的结构和学习速率来决定是否进行反向传播。
    }

message SolverParameter {
      optional string train_net = 1; // 训练网络的proto file
      optional string test_net = 2; // 测试网络的proto file
      optional int32 test_iter = 3 [default = 0]; // 每次测试时的迭代次数
      optional int32 test_interval = 4 [default = 0]; // 两次测试的间隔迭代次数
      optional bool test_compute_loss = 19 [default = false];
      optional float base_lr = 5; // 基本学习率
      optional int32 display = 6; // 两次显示的间隔迭代次数
      optional int32 max_iter = 7; // 最大迭代次数
      optional string lr_policy = 8; // 学习速率衰减方式
      optional float gamma = 9; // 关于梯度下降的一个参数
      optional float power = 10; // 计算学习率的一个参数
      optional float momentum = 11; // 动量
      optional float weight_decay = 12; // 权值衰减
      optional int32 stepsize = 13; // 学习速率的衰减步长
      optional int32 snapshot = 14 [default = 0]; // snapshot的间隔
      optional string snapshot_prefix = 15; // snapshot的前缀
      optional bool snapshot_diff = 16 [default = false]; 
    // 是否对于 diff 进行 snapshot
      enum SolverMode {
        CPU = 0;
        GPU = 1;
      }
      optional SolverMode solver_mode = 17 [default = GPU]; // solver的模式，默认为GPU
      optional int32 device_id = 18 [default = 0]; // GPU的ID
      optional int64 random_seed = 20 [default = -1]; // 随机数种子
    }

#### 2.Bolb简介 ####

Blob：是基础的数据结构，是用来保存学习到的参数以及网络传输过程中产生数据的类。是Caffe作为数据传输的媒介，无论是网络权重参数，还是输入数据，都是转化为Blob数据结构来存储，网络，求解器等都是直接与此结构打交道的。其直观的可以把它看成一个有4维度的结构体（包含数据和梯度），而实际上，它们只是一维的指针而已，其4维结构通过shape属性得以计算出来（根据C语言的数据顺序），因为Blob是row-major(行优先)保存的，比如对于输入(n, c, h, w)位置的数据位置为((n \* channels\_+c) \* height\_+h) \* width\_+w。  
Blob是用以存储数据的四维数组，分别由下面组成：

*  对于数据：num(输入数据量，比如sgd时，mini-batch的大小)，channels(通道数量),height(图片的高度),width(图片的宽度)。
 *  对于卷积权重：outputinputheight\*width
 *  对于卷积偏置：output11\*1
 *  对于卷积层输出：输入图片数量对应feature maps数量输出图片的高度\*输出图片的宽度；

对于BlobProto，可以看到定义了四个optional的int32类型的名字（name）num、channels、height和width，optional意味着Blob可以有一个或者没有这个参数，而后面的repeated意味着float类型的data和diff可以重复任意次，而加上\[packed = true\]是为了更高效的编码。

message BlobProto {
       optional int32 num = 1 [default = 0];
       optional int32 channels = 2 [default = 0];
       optional int32 height = 3 [default = 0];
       optional int32 width = 4 [default = 0];
       repeated float data = 5 [packed = true];
       repeated float diff = 6 [packed = true];
    }

所以总结来说Blob中，主要数据有两个data和diff（data表示流动数据(输出数据)，而diff则存储BP的梯度）。用num、channels、height和width这四个维度来确定数据的具体位置，做一些数据查询和Blobreshape的操作。

#### 3.Net简介 ####

Net：是网络的搭建，将Layer所派生出层类组合成网络。Net用容器的形式将多个Layer有序地放在一起，其自身实现的功能主要是对逐层Layer进行初始化，以及提供Update( )的接口（更新网络参数），本身不能对参数进行有效地学习过程。Net也有它自己的Forward()和Backward(),他们是对整个网络的前向和反向传导，各调用一次就可以计算出网络的loss了,下面就是Net一些参数。

#### 4.Layer简介 ####

Layer：是网络的基本单元，由此派生出了各种层类。这才是本文重点想要讲述的。Layer类派生出来的层类通过这实现这两个虚函数Forward()和Backward()，产生了各式各样功能的层类。Forward是从根据bottom计算top的过程，Backward则相反（根据top计算bottom）。Layer中可写的东西太多了，之后再单独写一篇~。