Caffe python layer 的自定義

2019-11-08 03:13:04

字體：大中小

來源：轉載

供稿：網友

還是caffe的自定義層問題。相比于c，python的自定義層更為簡單：代碼少、外部文件少、方便執行。因此用這種方法實現有利于開發和實驗。

準備

首先還是要記得在編譯的時候加上WITH_PYTHON_LAYER的選項，如果沒有加可以先make clean刪除編譯后的文件，再重新編譯。

WITH_PYTHON_LAYER=1 make && make pycaffe

如果出現

layer_factory.hpp:77] Check failed: registry.count(type) == 1 (0 vs. 1) Unknown layer type: Python

這樣的錯誤，說明這一步沒有成功。

net中的添加

在caffe的配置net里我們要輸入有關層的信息，下面以EuclideanLossLayer層為例。簡單來說我們可以直接使用，因為原本caffe里面已經包括了用c編寫的代碼，現在我們把它改編為python層。

layer { type: 'Python' name: 'loss' top: 'loss' bottom: 'python的層文件需要在$PYTHONPATH目錄下。在 PRototxt中，模塊名是pyloss，這意味著你的包括EuclideanLossLayer類名的py文件名也應該是pyloss.py。

layer文件添加

# pyloss.pyimport caffeimport numpy as npclass EuclideanLossLayer(caffe.Layer): def setup(self, bottom, top): # check input pair if len(bottom) != 2: raise Exception("Need two inputs to compute distance.") def reshape(self, bottom, top): # check input dimensions match if bottom[0].count != bottom[1].count: raise Exception("Inputs must have the same dimension.") # difference is shape of inputs self.diff = np.zeros_like(bottom[0].data, dtype=np.float32) # loss output is scalar top[0].reshape(1) def forward(self, bottom, top): self.diff[...] = bottom[0].data - bottom[1].data top[0].data[...] = np.sum(self.diff**2) / bottom[0].num / 2. def backward(self, top, propagate_down, bottom): for i in range(2): if not propagate_down[i]: continue if i == 0: sign = 1 else: sign = -1 bottom[i].diff[...] = sign * self.diff / bottom[i].num