caffe添加新层windows

参考博客：

http://46aae4d1e2371e4aa769798941cef698.devproxy.yunshipei.com/kkk584520/article/details/52721838

因为是在windows-caffe下，所以在上述博客基础上做了些较为详细的记录，外加一点点修改

一、修改caffe.proto

在路径 caffe-windows-master\src\caffe\proto中找到caffe.proto.prototxt,添加

optional AllPassParameter all_pass_param = 155;

还有

message AllPassParameter {
optional float key = 1 [default = 0];
}

添加完成后保存，然后就是windows-caffe下的多一步的操作，需要点击extract_proto批处理文件，重新生成caffe.pb.hpp和caffe.pb.cc文件。如果没有extract_proto文件，直接重新编译caffe工程即可。

二、添加新层头文件

在路径caffe-windows-master\include\caffe\layers下添加all_pass_layer.hpp文件

#ifndef CAFFE_ALL_PASS_LAYER_HPP_
#define CAFFE_ALL_PASS_LAYER_HPP_

#include <vector>

#include "caffe/blob.hpp"
#include "caffe/layer.hpp"
#include "caffe/proto/caffe.pb.h"

#include "caffe/layers/neuron_layer.hpp"

namespace caffe {
template <typename Dtype>
class AllPassLayer : public NeuronLayer<Dtype> {
public:
explicit AllPassLayer(const LayerParameter& param)
: NeuronLayer<Dtype>(param) {}

virtual inline const char* type() const { return "AllPass"; }

protected:

virtual void Forward_cpu(const vector<Blob<Dtype>*>& bottom,const vector<Blob<Dtype>*>& top);
virtual void Forward_gpu(const vector<Blob<Dtype>*>& bottom,
const vector<Blob<Dtype>*>& top);
virtual void Backward_cpu(const vector<Blob<Dtype>*>& top,const vector<bool>& propagate_down, const vector<Blob<Dtype>*>& bottom);

virtual void Backward_gpu(const vector<Blob<Dtype>*>& top,
const vector<bool>& propagate_down, const vector<Blob<Dtype>*>& bottom);
};

}  // namespace caffe

#endif  // CAFFE_ALL_PASS_LAYER_HPP_

这里我在上述博客的基础上，在CPU模式下编译。

三、添加新层源文件

caffe-windows-master\src\caffe\layers路径下添加all_pass_layer.cpp

#include <algorithm>
#include <vector>

#include "caffe/layers/all_pass_layer.hpp"

#include <iostream>
using namespace std;
#define DEBUG_AP(str) cout<<str<<endl
namespace caffe {

template <typename Dtype>
void AllPassLayer<Dtype>::Forward_cpu(const vector<Blob<Dtype>*>& bottom,
const vector<Blob<Dtype>*>& top) {
const Dtype* bottom_data = bottom[0]->cpu_data();
Dtype* top_data = top[0]->mutable_cpu_data();
const int count = bottom[0]->count();
for (int i = 0; i < count; ++i) {
top_data[i] = bottom_data[i];
}
DEBUG_AP("Here is All Pass Layer, forwarding.");
DEBUG_AP(this->layer_param_.all_pass_param().key());
}

template <typename Dtype>
void AllPassLayer<Dtype>::Backward_cpu(const vector<Blob<Dtype>*>& top,
const vector<bool>& propagate_down,
const vector<Blob<Dtype>*>& bottom) {
if (propagate_down[0]) {
const Dtype* bottom_data = bottom[0]->cpu_data();
const Dtype* top_diff = top[0]->cpu_diff();
Dtype* bottom_diff = bottom[0]->mutable_cpu_diff();
const int count = bottom[0]->count();
for (int i = 0; i < count; ++i) {
bottom_diff[i] = top_diff[i];
}
}
DEBUG_AP("Here is All Pass Layer, backwarding.");
DEBUG_AP(this->layer_param_.all_pass_param().key());
}

#ifdef CPU_ONLY
STUB_GPU(AllPassLayer);
#endif
INSTANTIATE_CLASS(AllPassLayer);
REGISTER_LAYER_CLASS(AllPass);
}  // namespace caffe

在路径下添加之后，需要在caffe VS C++工程中添加all_pass_layer.hpp文件和all_pass_layer.cpp文件

四、重新编译

选中caffe工程，点击rebuild即可

五、实验添加的新层

写个简单的测试网络结构 deploy.prototxt

name: “AllPassTest”

layer {

name: “data”

type: “Input”

top: “data”

input_param { shape: { dim: 10 dim: 3 dim: 227 dim: 227 } }

}

layer {

name: “ap”

type: “AllPass”

bottom: “data”

top: “conv1”

all_pass_param {

key: 12.88

}

}

windows-caffe测试方法和在Linux下相同，打开CMD，进入caffe根目录,deploy.prototxt文件和caffe.exe放在同一个目录下。

Debug\caffe.exe time -model deploy.prototxt