Caffe 不同版本之间layer移植方法

本系列文章由 @yhl_leo 出品，转载请注明出处。

文章链接： http://blog.csdn.net/yhl_leo/article/details/52185521

（前两天这篇博客不小心被自己更改删除了，现在重新补上。）

Caffe版本一直在不停更新，新版本往往会包含一些新的layer，如果只想将该layer移植到自己工程的版本中，该怎么做呢？看到网上有关于添加新layer的教程：

Add a class declaration for your layer to the appropriate one of

common_layers.hpp

,

data_layers.hpp

,

loss_layers.hpp

,

neuron_layers.hpp

, or

vision_layers.hpp

. Include an inline implementation of

type

and the

*Blobs()

methods to specify blob number requirements. Omit the

*_gpu

declarations if you’ll only be implementing CPU code.

Implement your layer in

layers/your_layer.cpp

.

SetUp

for initialization: reading parameters, allocating buffers, etc.

Forward_cpu

for the function your layer computes

Backward_cpu

for its gradient

(Optional) Implement the GPU versions

Forward_gpu

and

Backward_gpu

in

layers/your_layer.cu

.

Add your layer to

proto/caffe.proto

, updating the next available ID. Also declare parameters, if needed, in this file.

Make your layer createable by adding it to

layer_factory.cpp

.

Write tests in

test/test_your_layer.cpp

. Use

test/test_gradient_check_util.hpp

to check that your Forward and Backward implementations are in numerical agreement.

但是，这种方法并不一定对移植有用，以

CropLayer

为例，按照上述的方法肯定是行不通的，编译的过程中会反复出现关于函数

DiagonalAffineMap

的错误。查看版本更新记录：Crop layer for automatically aligning computations，可以发现，原来不只是添加两个文件那么简单的事情，按照版本更新的差异，逐个文件进行更改就可以使用。

因此，对于移植来说，直接搜索版本更新记录，是更加直接和高效的办法。