Caffe 层中的层
Layers within a layer in Caffe
我有一个自己编写的自定义损失层，该层将 softmax 和 sigmoid 激活应用于底部 [0] blob 的一部分。
Ex: `bottom[0]` is of shape (say): `[20, 7, 7, 50]` (`NHWC` format)
I would like to apply `softmax` to `[20, 7, 7, 25]` (first 25 channels) and
`sigmoid` to `[20, 7, 7, 1]` (just one channel) and the remaining 24 channels are taken in as it is.
如何有效地为这两个 softmax 和 sigmoid 层的输入 blob 分配内存并释放这些内存？
所有中间激活以及网络的输入和输出 blob 都由网络 class 管理并在 src/caffe/net.cpp 的 Net<Dtype>::Init 函数中设置。
您不需要allocate/deallocate层本身内部的顶部和底部 blob 内存。
无需在内部分配数据，您只需在外部使用 "Slice" 层并使用 caffe "off-the-shelf" 层对输入 blob 进行切片：
layer {
name: "slice"
type: "Slice"
bottom: "input_to_loss"
top: "to_softmax"
top: "to_sigmoid"
top: "leftovers"
slice_param {
axis: -1 # slice the last axis
slice_point: 25
slice_point: 26
}
}
我有一个自己编写的自定义损失层，该层将 softmax 和 sigmoid 激活应用于底部 [0] blob 的一部分。
Ex: `bottom[0]` is of shape (say): `[20, 7, 7, 50]` (`NHWC` format)
I would like to apply `softmax` to `[20, 7, 7, 25]` (first 25 channels) and
`sigmoid` to `[20, 7, 7, 1]` (just one channel) and the remaining 24 channels are taken in as it is.
如何有效地为这两个 softmax 和 sigmoid 层的输入 blob 分配内存并释放这些内存？
所有中间激活以及网络的输入和输出 blob 都由网络 class 管理并在 src/caffe/net.cpp 的 Net<Dtype>::Init 函数中设置。
您不需要allocate/deallocate层本身内部的顶部和底部 blob 内存。
无需在内部分配数据，您只需在外部使用 "Slice" 层并使用 caffe "off-the-shelf" 层对输入 blob 进行切片：
layer {
name: "slice"
type: "Slice"
bottom: "input_to_loss"
top: "to_softmax"
top: "to_sigmoid"
top: "leftovers"
slice_param {
axis: -1 # slice the last axis
slice_point: 25
slice_point: 26
}
}