Caffe python layer 的自定义

2019-11-08 03:13:04

字体：大中小

来源：转载

供稿：网友

还是caffe的自定义层问题。相比于c，python的自定义层更为简单：代码少、外部文件少、方便执行。因此用这种方法实现有利于开发和实验。

准备

首先还是要记得在编译的时候加上WITH_PYTHON_LAYER的选项，如果没有加可以先make clean删除编译后的文件，再重新编译。

WITH_PYTHON_LAYER=1 make && make pycaffe

如果出现

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

这样的错误，说明这一步没有成功。

net中的添加

在caffe的配置net里我们要输入有关层的信息，下面以EuclideanLossLayer层为例。简单来说我们可以直接使用，因为原本caffe里面已经包括了用c编写的代码，现在我们把它改编为python层。

layer { type: 'Python' name: 'loss' top: 'loss' bottom: 'ipx' bottom: 'ipy' python_param { # 模块名 -- 通常也是文件名 -- 需要放在 $PYTHONPATH 中 module: 'pyloss' # 层名 -- 模块里的类名 layer: 'EuclideanLossLayer' } # set loss weight so Caffe knows this is a loss layer loss_weight: 1}

python的层文件需要在$PYTHONPATH目录下。在PRototxt中，模块名是pyloss，这意味着你的包括EuclideanLossLayer类名的py文件名也应该是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