一：數據層及參數

caffe層次有許多類型，比如Data，Covolution，Pooling，層次之間的數據流動是以blobs的方式進行

首先，我們介紹數據層：

數據層是每個模型的最底層，是模型的入口，通常數據的 預處理（如去均值，放大縮小，裁剪和鏡像等）也在這一層設置參數實現。

數據來源一般來自高效的數據庫（levelDb和LMDB），也可以來自內存，如果注重效率，可以來自磁盤的hdf5文件和圖片格式文件。

層次實例如下：

1 layer{ 2 name:"cifar" 3 type: "Data" 4 top: "data" 5 top: "label" 6 include{ 7 phase:TRAIN 8 } 9 transform_param{ 10 mean_file: "examples/cifar10/mean.binaryproto" 11 } 12 data_param{ 13 source: "examples/cifar10/cifar10_train_lmdb" 14 batch_size: 100 15 backend:LMDB 16 } 17 }

?層次參數解釋：

name : 表示該層的名稱，可以隨意取

type : 層類型，如果是Data，表示數據來源于LevelDB或者LMDB。一般采用這兩種數據

top/bottom: 每一層用bottom來表述輸入數據，top表述輸出數據。如果只有top沒有bottom，則此層只有輸出沒有輸入，反之亦然。如果有多個top或bottom，表述有多個blobs數據的輸入和輸出。

data/label：在數據層中，至少有一個命名為data的top。如果兩個top，一般命名為label，（data，label）配對是分類模型所必須的。

include：一般訓練和測試的測試的時候，模型的層不一樣。include用以區分是train還是test，如果沒有include表述該層既做訓練也做測試。

Transformations：數據的預處理，可以對數據進行變換，scale為0.00390625，實際上是1/255，既數據的歸一化。

1 transform_param{ 2 scale = 0.00390625 3 mane_file_size: "examples/cifar10/mean.binaryproto" 4 //用一個配置文件來進行去均值操作 5 mirror:1 //1表示開啟鏡像，0表示關閉，也可以用true和false表示 6 //剪裁一個277*277的圖塊，在訓練階段隨機裁剪，在測試階段從中間剪裁 7 crop_size: 227 8 }

轉載于:https://www.cnblogs.com/LaplaceAkuir/p/6252864.html

總結

以上是生活随笔為你收集整理的caffe网络模型各层详解（一）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。