小编lok*_*nar的帖子

解析了许多关于在Python中构建Caffe图层的链接后,我仍然难以理解一些概念.有人可以澄清一下吗？

• 这里解释了网络的Blob和权重python结构:找到关于输入的Caffe conv-filter的梯度.
• 网络和解算器结构在这里解释:caffe/pycaffe的备忘单？.
• 定义python层的示例如下:git上的pyloss.py.
• 这里的层测试:git上的测试层.
• 这里描述了为C++开发新层的方法:git wiki.

我仍然缺少的是:

1. setup()方法:我应该在这做什么？为什么在例子中我应该将'底部'参数的长度与'2'进行比较？为什么它应该是2？它似乎不是批量大小,因为它是随意的？据我所知,底部是blob,然后第一个维度是批量大小？
2. reshape()方法:据我所知'底部'输入参数是下层的blob,'top'参数是上层的blob,我需要根据我的计算的输出形状重新形成顶层.但是,如果这些形状不是从传递变为传球,只有重量变化,为什么我需要在每个前进传球中执行此操作？
3. reshape和forward方法有0个索引用于'top'输入param使用.为什么我需要使用top[0].data=...或top[0].input=...代替top.data=...和top.input=...？这个指数怎么样？如果我们不使用此顶级列表的其他部分,为什么以这种方式暴露它？我可以怀疑它或C++骨干的巧合,但确切地知道它会很好.

4. reshape() 方法,符合:

   if bottom[0].count != bottom[1].count
   

   Run Code Online (Sandbox Code Playgroud)

   我在这做什么 为什么它的尺寸又是2？我在这里算什么？为什么blob(0和1)的两个部分在某些成员(count)的数量上应该相等？

5. forward() 我用这条线定义的方法:

   self.diff[...] = bottom[0].data - bottom[1].data
   

   Run Code Online (Sandbox Code Playgroud)

   如果我定义它,在前进路径后使用它？我们可以使用吗？

   diff = bottom[0].data - bottom[1].data 
   

   Run Code Online (Sandbox Code Playgroud)

   相反,在这个方法中稍后计算损失,而不是分配self,或者是为了某种目的而完成的？

6. backward()方法:这是关于什么的for i in range(2):？为什么范围又是2？

7. backward()方法,propagate_down参数:为什么定义？我的意思是,如果它的真实,渐变应该分配给bottom[X].diff我所看到的,但是为什么有人会调用什么都不会做的方法propagate_down = False,如果它什么都不做而且还在里面循环？ …