Caffe学习：Blobs, Layers, and Nets

目录：

原文

Blob storage and communication
Implementation Details

Layer computation and connections

Net definition and operation

模型定义

原文

深度神经网络（Deep networks）是由许多相互关联的Layer组成的。Caffe定义了一个layer-by-layer的network。底层是data，顶层是loss。运算数据在network中进行forward and backward passes（正向迭代和反向迭代），为此Caffe定义了Blob，用来存储、传递、处理数据。Blob是Caffe的标准数据结构、统一的内存接口。Layer是Caffe模型、运算的基础。network是Layer的集合。Blob描述了数据是如何在Layer和Net中存储和传递的。

Solving（求解方法）被单独定义，以解耦模型和配置。

Blob storage and communication

Blob是对数据的包装，用来存储、传递数据，并且能够实现CPU和GPU之间 的无缝切换。其实，Blob是一个N维数组。Blob提供了一个统一的内存接口用于存储数据，比如图片数据，模型参数，以及中间数据。Blob隐藏了CPU和GPU混合操作的细节，实现了CPU主机和GPU设备之间的无缝切换。

常用的用于存储图片数据的Bolb的维度是： number N x channel K x height H x width W，按行（而不是列）存储，所以(n, k, h, w) 是指第 ((n * K + k) * H + h) * W + w个值。

Number / N是每一次处理的数据大小，使用批处理能够实现更好的效果。

Channel / K是特征的维度，例如对于RGB图片而言，K=3。

作为参数的Blob，维度根据所在的Layer而不同。例如，对于一个96滤波器，11×11维度，3输入的Convolution Layer，其Blob维度是96×3×11×11。对于一个1000channels输出，1024channels输入的Inner Product Layer，其Blob维度是1000×1024。

Implementation Details

对于网络中的数据，我们在意的是values（值）和gradients（梯度），所以一个Blob单元在内存中存储了两块数据 => data和diff。前者是我们输入网络的数据，后者是网络计算得出的gradients（梯度）。

数据可以存放在CPU或者GPU，所以有两种不同的方式去访问数据：the const way（值不变方式）、the mutable way（值改变的方式）：

const Dtype* cpu_data() const;
Dtype* mutable_cpu_data();
(similarly for gpu and diff).

这样设计的原因是Blob中使用一个SyncedMem类在CPU和GPU中同步数据，以隐藏底层细节，最小化数据传输损失。经验：如果不想改变数据，使用the const way（值不变方式），但是不要在自定义类中存储指针。当要得到指针时，调用方法去得到指针，此时SyncedMem类会确定是否需要复制数据（在CPU和GPU之间）。

当使用GPU时，CPU将数据读取到Blob中，调起设备进行GPU运算，忽略底层的细节，实现高效运算。所有的Layer都有GPU实现，所以所有中间 data and gradients （数据及运算得出的梯度）都会保存在GPU中。

下面是一个例子，用于确定何时Blob会复制数据：

// 假设刚开始数据存储在CPU中，我们定义了一个Blob
const Dtype* foo;
Dtype* bar;
foo = blob.gpu_data(); // 数据复制：cpu->gpu
foo = blob.cpu_data(); // 没有数据复制过程，因为数据都是最新的
bar = blob.mutable_gpu_data(); // 没有数据复制过程
// ... 一些中间操作 ...
bar = blob.mutable_gpu_data(); // 如果此时还是GPU模式，没有数据复制过程
foo = blob.cpu_data(); // 数据复制：gpu->cpu, 如果GPU更改过数据
foo = blob.gpu_data(); // 没有数据复制过程，因为数据都是最新的
bar = blob.mutable_cpu_data(); // 没有数据复制过程
bar = blob.mutable_gpu_data(); // 数据复制：cpu->gpu
bar = blob.mutable_cpu_data(); // 数据复制：gpu->cpu

Layer computation and connections

Layer是Caffe模型最重要的部分，也是进行运算的基本单元。Layer可以进行很多运算，如：convolve（卷积）、pool（聚合）、inner product（内积）、rectified-linear （非线性）、sigmoid（阶跃）以及其他elementwise transformations，normalize（标准化）、load data（数据导入）、compute losses（损失计算）。在layer catalogue查看Layer种类，包括了所有深度学习任务所涉及的最先进的类型。



Layer从bottom接受input，从top输出output。每一个Layer都定义了3种至关重要的运算：setup-初始化、forward-前向迭代、backward-反向迭代。

Setup：初始化Layer以及该Layer与其他Layer的连接

Forward：从bottom接受input，进行该Layer定义的计算后，从top输出output

Backward：从top接受output的gradient，计算出input的gradient，从bottom输出

对于Forward和Backward都有两种实现：CPU和GPU方式。

由于Caffe的高度模块化，自定义Layer是很简单的（不信）。只要定义好：setup-初始化、forward-前向迭代、backward-反向迭代这三个方法，就可以将该Layer加入net之中。

Net definition and operation

Caffe Net的所有Layer的output（前向迭代）实现要完成的任务，反向迭代计算loss的gradient以进行学习，优化参数。Caffe模型是端到端的学习引擎。

Net是由一系列Layer组合形成的网状图，a directed acyclic graph（一个有向无环图）。Caffe会板保存所有中间运算值以确保forward and backward passes（前向迭代和反向迭代）的正确性。典型的Net开始于一个data layer，用于接受数据输入，结束于一个loss layer，用于实现最终的任务，例如classification or reconstruction（分类与重建）。

Net被定义为一系列的Layer及其连接表示，in a plaintext modeling language（用一种明文建模语言表示）。一个简单的logistic regression classifier（逻辑回归分类器），如下图：



可以如下定义：

name: "LogReg"
layer {
name: "mnist"
type: "Data"
top: "data"
top: "label"
data_param {
source: "input_leveldb"
batch_size: 64
}
}
layer {
name: "ip"
type: "InnerProduct"
bottom: "data"
top: "ip"
inner_product_param {
num_output: 2
}
}
layer {
name: "loss"
type: "SoftmaxWithLoss"
bottom: "ip"
bottom: "label"
top: "loss"
}

Net::Init()是模型初始化函数，主要完成两件事：新建Blob和Layer对象以搭建整个网络图，调用Layer的SetUp()方法。同时会确认整个Net的结构是否正确，打印初始化日志：

I0902 22:52:17.931977 2079114000 net.cpp:39] Initializing net from parameters:
name: "LogReg"
[...model prototxt printout...]
# construct the network layer-by-layer
I0902 22:52:17.932152 2079114000 net.cpp:67] Creating Layer mnist
I0902 22:52:17.932165 2079114000 net.cpp:356] mnist -> data
I0902 22:52:17.932188 2079114000 net.cpp:356] mnist -> label
I0902 22:52:17.932200 2079114000 net.cpp:96] Setting up mnist
I0902 22:52:17.935807 2079114000 data_layer.cpp:135] Opening leveldb input_leveldb
I0902 22:52:17.937155 2079114000 data_layer.cpp:195] output data size: 64,1,28,28
I0902 22:52:17.938570 2079114000 net.cpp:103] Top shape: 64 1 28 28 (50176)
I0902 22:52:17.938593 2079114000 net.cpp:103] Top shape: 64 (64)
I0902 22:52:17.938611 2079114000 net.cpp:67] Creating Layer ip
I0902 22:52:17.938617 2079114000 net.cpp:394] ip <- data
I0902 22:52:17.939177 2079114000 net.cpp:356] ip -> ip
I0902 22:52:17.939196 2079114000 net.cpp:96] Setting up ip
I0902 22:52:17.940289 2079114000 net.cpp:103] Top shape: 64 2 (128)
I0902 22:52:17.941270 2079114000 net.cpp:67] Creating Layer loss
I0902 22:52:17.941305 2079114000 net.cpp:394] loss <- ip
I0902 22:52:17.941314 2079114000 net.cpp:394] loss <- label
I0902 22:52:17.941323 2079114000 net.cpp:356] loss -> loss
# set up the loss and configure the backward pass
I0902 22:52:17.941328 2079114000 net.cpp:96] Setting up loss
I0902 22:52:17.941328 2079114000 net.cpp:103] Top shape: (1)
I0902 22:52:17.941329 2079114000 net.cpp:109]     with loss weight 1
I0902 22:52:17.941779 2079114000 net.cpp:170] loss needs backward computation.
I0902 22:52:17.941787 2079114000 net.cpp:170] ip needs backward computation.
I0902 22:52:17.941794 2079114000 net.cpp:172] mnist does not need backward computation.
# determine outputs
I0902 22:52:17.941800 2079114000 net.cpp:208] This network produces output loss
# finish initialization and report memory usage
I0902 22:52:17.941810 2079114000 net.cpp:467] Collecting Learning Rate and Weight Decay.
I0902 22:52:17.941818 2079114000 net.cpp:219] Network initialization done.
I0902 22:52:17.941824 2079114000 net.cpp:220] Memory required for data: 201476

-注意：网络结构是设备无关的，Blob和Layer=隐藏了模型定义的具体实现细节。定义网络结构后，可以通过Caffe::mode()或者Caffe::set_mode()在CPU和GPU模式间切换。Layer在CPU和GPU模式下运算的结果是一致的（忽略计算误差）。CPU和GPU模式间是无缝切换的，并且独立于模型定义。

模型定义

模型定义在prototxt文件中，而学习到的模型被二进制序列化为caffemodel文件。模型格式在caffe.proto文件中定义，源文件是self-explanatory的，所以鼓励大家去看。