caffe小问题汇总（持续更新）

PS：所有问题均在caffe-windows下产生

1、为什么AlexNet中，InnerProduct_Layer(fc8)层的输出可以直接作为Accuracy_Layer层的输出？

答：首先，我们要搞清楚，全连接层的输出是什么。全连接层的操作其实也是卷积操作，只不过要求卷积核的尺寸与输入进来的FeatureMap相同，因此全连接层输出的向量大小为1*1。

其次，为什么全连接层输出可以作为accuracy。因为该输出表示输入的样本属于某一类的可能性的大小，但并不是概率，所以如果仅仅是做预测，全连接层的输出就够了。

2、caffe源码中，各layer的forward_gpu()和backward_gpu()实现在哪里？对应的*_layer.cpp中只有*_cpu的实现。

答：在*.cu文件中，具体位置在.\caffe\caffe-windows\src\caffe\layers\。具体区别是：cuda的程序就放到cu中，其他的都可以放到c中

其实都可以直接写到cu中，nvcc的编译器会自动把host段的代码放到c的编译器编译。(我自己也不是很懂，是从网上招来的答案)

3、InnerProduct_Layer输出的featuremap大小是多少？

答：在全连接层，其实进行的也是卷积的操作。只不过卷积核的尺寸等于输入的FeatureMap的尺寸。因此全连接层的输出大小为1*1。

4、卷积层的卷积操作是如何实现的？

答：见http://blog.csdn.net/mounty_fsc/article/details/51290446，该文作者给出了详细的解释。

5、为什么用python进行“import caffe”时，会出现“No Module Named Caffe”错误？

答：原因是因为caffe文件中的pycaffe未编译。解决方法：(1)修改$\caffe\caffe-windows\windows下的CommonSettings.props文件，如下图：

；

将13行false改为true，将PythonDir改为当前Anaconda2所在位置。

(2)编译pycaffe成功后，将build/x64/Release/pycaffe/caffe文件夹拷贝到c:\Anaconda2\Lib\site-packages即可。

6、在python中使用均值文件，为什么mean.binaryproto文件不可用?

答：在python环境中使用均值文件，需要将mean.binaryproto文件转为为mean.npy文件。

 7.如何计算当前卷积层的参数数目？

答：假设当前层的输出数目为N，卷积层的大小为K*K，输入进来的特征图为M*S*S，其中M为输入的特征图的个数，S*S为特征图的大小。

那么当前卷积层的参数数目为M*K*K*N。

8.用训练好的caffemodel来finetune已知的网络时，出现“check failed：error==cudaSuccess<2 vs. 0> out of memory”错误，该怎么解决？

答：原因是数据本身的batch_size设置过大，导致所需的GPU显存过大，而本身的GPU无法满足导致的。解决办法是：降低训练和测试所需的batch_size即可。

举例：我设置的batch_size=256时，所需的显存为：3901009924，此时出现错误；当我重置batch_size=128时，所需显存为：1950504964，此时可以顺利进行训练。

注：caffe的batch_size，表明一次iteration(迭代)有多少张图片，越大则耗费的显存越多，所以适当降低batch_size即可。