Caffe系列1——网络文件和求解分析

1. 首先，我们先看一个完整的文件：lenet_train_test.prototxt

 name: "LeNet"                 #整个网络的名称
 layer {                       #数据层——训练数据
   name: "mnist"
   type: "Data"
   top: "data"
   top: "label"
   include {
     phase: TRAIN
   }
   transform_param {
     scale: 0.00390625
   }
   data_param {
     source: "examples/mnist/mnist_train_lmdb"
     batch_size: 64
     backend: LMDB
   }
 }

 20 #数据层-这里表示测试数据
 layer {
   name: "mnist"
   type: "Data"
   top: "data"
   top: "label"
   include {
     phase: TEST
   }
   transform_param {
     scale: 0.00390625
   }
   data_param {
     source: "examples/mnist/mnist_test_lmdb"
     batch_size: 100
     backend: LMDB
   }
 }

 #第一层卷积层
 layer {
   name: "conv1"
   type: "Convolution"
   bottom: "data"
   top: "conv1"
   param {
     lr_mult: 1
   }
   param {
     lr_mult: 2
   }
   convolution_param {
     num_output: 20
     kernel_size: 5
     stride: 1
     weight_filler {
       type: "xavier"
     }
     bias_filler {
       type: "constant"
     }
   }
 }

 #第一层池化层
 layer {
   name: "pool1"
   type: "Pooling"
   bottom: "conv1"
   top: "pool1"
   pooling_param {
     pool: MAX
     kernel_size: 2
     stride: 2
   }
 }

 #第二层卷积
 layer {
   name: "conv2"
   type: "Convolution"
   bottom: "pool1"
   top: "conv2"
   param {
     lr_mult: 1
   }
   param {
     lr_mult: 2
   }
   convolution_param {
     num_output: 50
     kernel_size: 5
     stride: 1
     weight_filler {
       type: "xavier"
     }
     bias_filler {
       type: "constant"
     }
   }
 }

 #第二层池化
 layer {
   name: "pool2"
   type: "Pooling"
   bottom: "conv2"
   top: "pool2"
   pooling_param {
     pool: MAX
     kernel_size: 2
     stride: 2
   }
 }

 #第一层全连接层
 layer {
   name: "ip1"
   type: "InnerProduct"
   bottom: "pool2"
   top: "ip1"
   param {
     lr_mult: 1
   }
   param {
     lr_mult: 2
   }
   inner_product_param {
     num_output: 500
     weight_filler {
       type: "xavier"
     }
     bias_filler {
       type: "constant"
     }
   }
 }

 #第一层激活层
 layer {
   name: "relu1"
   type: "ReLU"
   bottom: "ip1"
   top: "ip1"
 }

 #第二层全连接层
 layer {
   name: "ip2"
   type: "InnerProduct"
   bottom: "ip1"
   top: "ip2"
   param {
     lr_mult: 1
   }
   param {
     lr_mult: 2
   }
   inner_product_param {
     num_output: 10
     weight_filler {
       type: "xavier"
     }
     bias_filler {
       type: "constant"
     }
   }
 }

 #测试准确率层
 layer {
   name: "accuracy"
   type: "Accuracy"
   bottom: "ip2"
   bottom: "label"
   top: "accuracy"
   include {
     phase: TEST
   }
 }

 #损失函数层
 layer {
   name: "loss"
   type: "SoftmaxWithLoss"
   bottom: "ip2"
   bottom: "label"
   top: "loss"
 }

2. 数据层

 layer {
   name: "cifar"        #cifar数据的名称
   type: "Data"
   top: "data"           #一般用bottom表示输入,top表示输出，多个top代表有多个输出
   top: "label"          #数据输出包含两部分：图像和标签
   include {
     phase: TRAIN        #训练网络分为训练阶段和自测试阶段,如果没写include则表示该层即在测试中，又在训练中
   }
   transform_param {
     mean_file: "examples/cifar10/mean.binaryproto" #用一个配置文件来进行均值的操作
     transform_param {
     scale: 0.00390625                              #归一化处理1/255，将图像的像素值归一化到0-1之间
#这里表示数据增强
     mirror: 1                                       # 1表示开启镜像，0表示关闭，也可用ture和false来表示
                                                     # 剪裁一个 227*227的图块，在训练阶段随机剪裁，在测试阶段从中间裁剪
     crop_size: 227
   }
   }
   data_param {
     source: "examples/cifar10/cifar10_train_lmdb"     #数据库来源，也就是训练数据集所在路径
     batch_size: 64                                    #每次批处理的个数
     backend: LMDB                                      #选用数据的类型名称
   }
 }

 ### 使用LMDB源
 layer {
   name: "mnist"
   type: "Data"
   top: "data"
   top: "label"
   include {
     phase: TRAIN
   }
   transform_param {
     scale: 0.00390625
   }
   data_param {
     source: "examples/mnist/mnist_train_lmdb"
     batch_size: 64
     backend: LMDB
   }
 }

 ###使用HDF5数据源
 layer {
   name: "data"
   type: "HDF5Data"
   top: "data"
   top: "label"
   hdf5_data_param {
     source: "examples/hdf5_classification/data/train.txt"
     batch_size: 10
   }
 }

 ###数据直接来源与图片
 #/path/to/images/img3423.jpg 2
 #/path/to/images/img3424.jpg 13
 #/path/to/images/img3425.jpg 8

 layer {
   name: "data"
   type: "ImageData"     #类型
   top: "data"
   top: "label"
   transform_param {
     mirror: false
     crop_size: 227
     mean_file: "data/ilsvrc12/imagenet_mean.binaryproto"
   }
   image_data_param {
     source: "examples/_temp/file_list.txt"
     batch_size: 50
     new_height: 256        #如果设置就对图片进行resize操作
     new_width: 256
   }

3. 卷积层

 layer {
   name: "conv1"                   #卷积层名称
   type: "Convolution"              #表示该层是卷积操作
   bottom: "data"                   #bottom表示输入，输入的是“Data”，也就是数据层的输出。
   top: "conv1"                      #Top表示输出，该层的输出名称就是“conv1”，它表示第一层卷积操作的输出
   param {
     lr_mult: 1  #lr_mult: 学习率的系数，最终的学习率是这个数乘以solver.prototxt配置文件中的base_lr。如果有两个lr_mult, 则第一个表示权值的学习率，第二个表示偏置项的学习率。一般偏置项的学习率是权值学习率的两倍。
   }
   param {
     lr_mult: 2
   }
   convolution_param {
     num_output: 20                            #卷积核（filter)的个数，也就是通道数（channels）。
     kernel_size: 5                            #卷积核的大小
     stride: 1                                 #卷积核的步长，默认为1
     pad: 0                                    #扩充边缘，默认为0，不扩充
     weight_filler {
       type: "xavier"                           #权值初始化。 默认为“constant",值全为0，很多时候我们用"xavier"算法来进行初始化，也可以设置为”gaussian"
     }
     bias_filler {
       type: "constant"                          #偏置项的初始化。一般设置为"constant",值全为0
     }
   }
 }

 输入：n*c0*w0*h0
 输出：n*c1*w1*h1
 其中，c1就是参数中的num_output，生成的特征图个数
  w1=(w0+2*pad-kernel_size)/stride+1;
  h1=(h0+2*pad-kernel_size)/stride+1;

4. 池化层（pooling layer）

 layer {
   name: "pool1"                     #池化层的名称“pool1”
   type: "Pooling"                   #表示这一层是池化操作
   bottom: "conv1"                   #输入来自于第一层的卷积“conv1”
   top: "pool1"                      #输出的就是第一层池化，其名称是“pool1”
   pooling_param {
     pool: MAX                       #池化操作的方法，默认为MAX-pooling。目前可用的方法有MAX-pooling, AVE-pooling
     kernel_size: 3                  #池化的核大小
     stride: 2                       #池化的步长，默认为1。一般我们设置为2，即不重叠。
   }
 }

 #pooling层的运算方法基本是和卷积层是一样的。

5. 激活函数层

 #在激活层中，对输入数据进行激活操作,是逐元素进行运算的,在运算过程中，没有改变数据的大小，即输入和输出的数据大小是相等的。

 ###Sigmoid

 layer {
   name: "test"
   bottom: "conv"
   top: "test"
   type: "Sigmoid"
 }

 #ReLU是目前使用最多的激活函数，主要因为其收敛更快，并且能保持同样效果。标准的ReLU函数为max(x, 0)，当x>0时，输出x; 当x<=0时，输出0
 f(x)=max(x,0)

 layer {
   name: "relu1"                   #该层的名称“reLu1”
   type: "ReLU"                    #这一层操作的激活函数ReLu
   bottom: "pool1"                 #这一层数据输入是pool1
   top: "pool1"
 }

6. 全连接层（FC Layer）

 #全连接层，输出的是一个简单向量  参数跟卷积层一样
 layer {
   name: "ip1"                         #该层的名称，叫做ip1，其实是计算向量内积的操作，也就是我们常说的全连接层
   type: "InnerProduct"                 #这里的类型表示操作的作用是计算前后向量的内积，即全连接
   bottom: "pool2"                      #这一层的输入来自于池化层“pool2”
   top: "ip1"                            #输出层的名字叫做“ip1”
   param {
     lr_mult: 1                           #这里表示权重学习率系数，还需要和基础学习率相乘
   }
   param {
     lr_mult: 2                            #这里表示偏置的学习率系数，也需要和基础学习率相乘，它一般是权重学习率系数的2倍
   }
   inner_product_param {
     num_output: 500                         #这里表示 全连接层的输出为500个神经元
     weight_filler {
       type: "xavier"                         #这里是一种权重初始化的方法
     }
     bias_filler {                             #这里表示了偏置的初始化方式
       type: "constant"
     }
   }
 }
 #测试的时候输入准确率
 layer {
   name: "accuracy"                 #该层的名称是“accuracy”
   type: "Accuracy"                  #这一层操作的作用就是计算测试集在模型上的准确率
   bottom: "ip2"                      #这一层的输入：第二个全连接层的输出
   bottom: "label"　　　　　　　　　　　　#这一层的第二个输入：一个batch_size图片的类别标签　　　　　　　　　　　　　　　　
   top: "accuracy"                    #该层的输出的名称是“accuracy”
   include {
     phase: TEST                      #这里说明该层只在测试时起作用
   }
 }

7. soft-max loss层

 #softmax-loss layer：输出loss值

 layer {
   name: "loss"                     #该层的名称是“loss”
   type: "SoftmaxWithLoss"          #这一层操作的作用是计算交叉熵损失
   bottom: "ip1"                    #输入是全连接层的输出
   bottom: "label"                   #输入是类别标签
   top: "loss"                       #输出的损失，其名称是“loss”
 }
 #softmax layer: 输出似然值
 layers {
   bottom: "cls3_fc"
   top: "prob"
   name: "prob"
   type: “Softmax"
 }

7. reshape层

 #在不改变数据的情况下，改变输入的维度

 layer {
     name: "reshape"
     type: "Reshape"
     bottom: "input"
     top: "output"
     reshape_param {
       shape {
         dim: 0                  # copy the dimension from below
         dim: 2
         dim: 3
         dim: -1                 # infer it from the other dimensions
       }
     }
   }

 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
     dim: 0
      dim: 14
       dim: -1
     }
 输出数据为：32*3*14*56
  
 #Dropout是一个防止过拟合的层，表示神经元随机失活
 #只需要设置一个dropout_ratio就可以了。
 layer {
   name: "drop7"
   type: "Dropout"
   bottom: "fc7-conv"
   top: "fc7-conv"
   dropout_param {
     dropout_ratio: 0.5
   }
 }

8. solver文件解析

 #往往loss function是非凸的，没有解析解,我们需要通过优化方法来求解。
 #caffe提供了六种优化算法来求解最优参数，在solver配置文件中，通过设置type类型来选择。

     Stochastic Gradient Descent (type: "SGD"),
     AdaDelta (type: "AdaDelta"),
     Adaptive Gradient (type: "AdaGrad"),
     Adam (type: "Adam"),
     Nesterov’s Accelerated Gradient (type: "Nesterov")
     RMSprop (type: "RMSProp")
 net: "examples/mnist/lenet_train_test.prototxt"      #这里表示训练的网络结构文件和测试文件的路径
 test_iter: 100                                       #这里的表示测试的时候，batch_size= 测试样本总量/test_iter
 test_interval: 500                                   #测试间隔，表示每训练500步，进行一次测试
 base_lr: 0.01                                        #基础的学习率
 momentum: 0.9                                        #动量
 type: SGD                                            #优化方法选择：随机梯度下降
 weight_decay: 0.0005                                 #权重衰减率
 lr_policy: "inv"                                     #学习率调整策略
 gamma: 0.0001
 power: 0.75
 display: 100                                          #显示，每训练100步，在屏幕上显示一次。
 max_iter: 20000                                        #最大的迭代次数20000步，到达20000次自动停止
 snapshot: 5000                                          #每隔5000步进行一次模型输出
 snapshot_prefix: "examples/mnist/lenet"                 #模型的保存位置
 solver_mode: CPU                                        #模型训练在CPU上进行

#详细解释如下：
 net: "examples/mnist/lenet_train_test.prototxt"                            #网络位置
 train_net: "examples/hdf5_classification/logreg_auto_train.prototxt"       #也可以分别设定train和test
 test_net: "examples/hdf5_classification/logreg_auto_test.prototxt"
 test_iter: 100                                                              #迭代了多少个测试样本呢？ batch*test_iter 假设有5000个测试样本，一次测试想跑遍这5000个则需要设置test_iter×batch=5000

 test_interval: 500                                                          #测试间隔。也就是每训练500次，才进行一次测试。

 base_lr: 0.01                                                                #base_lr用于设置基础学习率

 lr_policy: "inv"                                                              #学习率调整的策略

         - fixed:　　 #保持base_lr不变.
         - step: 　　 #如果设置为step,则还需要设置一个stepsize,  返回 base_lr * gamma ^ (floor(iter / stepsize)),其中iter表示当前的迭代次数
         - exp:   　　#返回base_lr * gamma ^ iter， iter为当前迭代次数
         - inv:　　    #如果设置为inv,还需要设置一个power, 返回base_lr * (1 + gamma * iter) ^ (- power)
         - multistep: #如果设置为multistep,则还需要设置一个stepvalue。这个参数和step很相似，step是均匀等间隔变化，而multistep则是根据stepvalue值变化
         - poly: 　　 #学习率进行多项式误差, 返回 base_lr (1 - iter/max_iter) ^ (power)
         - sigmoid:　#学习率进行sigmod衰减，返回 base_lr ( 1/(1 + exp(-gamma * (iter - stepsize))))

 momentum ：0.9                                                   #动量

 display: 100                                                     #每训练100次，在屏幕上显示一次。如果设置为0，则不显示。

 max_iter: 20000                                                   #最大迭代次数，2W次就停止了

 snapshot: 5000                                                    #快照。将训练出来的model和solver状态进行保存，snapshot用于设置训练多少次后进行保存
 snapshot_prefix: "examples/mnist/lenet" 

 solver_mode: CPU                                                  #设置运行模式。默认为GPU,如果你没有GPU,则需要改成CPU,否则会出错。