深度学习框架Caffe —— Deep learning in Practice

因工作交接需要， 要将caffe使用方法及整体结构描述清楚。 鉴于也有同学问过我相关内容， 决定在本文中写个简单的tutorial, 方便大家参考。 
本文简单的讲几个事情：

• Caffe能做什么？
• 为什么选择caffe?
• 环境
• 整体结构
• Protocol buffer
• 训练基本流程
• Python中训练
• Debug

Caffe能做什么？

• 定义网络结构
• 训练网络
• C++/CUDA 写的结构
• cmd/python/Matlab接口
• CPU/GPU工作模式
• 给了一些参考模型&pretrain了的weights

为什么选择caffe?

• 模块化做的好
• 简单：修改结构无需该代码
• 开源：共同维护开源代码

环境：

• $ lsb_release -a 
  Distributor ID: Ubuntu 
  Description: Ubuntu 12.04.4 LTS 
  Release: 12.04 
  Codename: precise

• $ cat /proc/version 
  Linux version 3.2.0-29-generic (buildd@allspice) (gcc version 4.6.3 (Ubuntu/Linaro 4.6.3-1ubuntu5) ) #46-Ubuntu SMP Fri Jul 27 17:03:23 UTC 2012

• Vim + Taglist + Cscope

整体结构：

定义CAFFE为caffe跟目录，caffe的核心代码都在$CAFFE/src/caffe 下，主要有以下部分：net, blob, layer, solver.

• net.cpp: 
  net定义网络， 整个网络中含有很多layers， net.cpp负责计算整个网络在训练中的forward, backward过程， 即计算forward/backward 时各layer的gradient。
  
  

• layers: 
  在$CAFFE/src/caffe/layers中的层，在protobuffer (.proto文件中定义message类型，.prototxt或.binaryproto文件中定义message的值) 中调用时包含属性name， type（data/conv/pool…）， connection structure (input blobs and output blobs)，layer-specific parameters（如conv层的kernel大小）。定义一个layer需要定义其setup, forward 和backward过程。
  
  

• blob.cpp: 
  net中的数据和求导结果通过4维的blob传递。一个layer有很多blobs， e.g,

  • 对data，weight blob大小为Number * Channels * Height * Width, 如256*3*224*224；
  • 对conv层，weight blob大小为 Output 节点数 * Input 节点数 * Height * Width，如AlexNet第一个conv层的blob大小为96 x 3 x 11 x 11；
  • 对inner product 层， weight blob大小为 1 * 1 * Output节点数 * Input节点数； bias blob大小为1 * 1 * 1 * Output节点数（ conv层和inner product层一样，也有weight和bias，所以在网络结构定义中我们会看到两个blobs_lr，第一个是weights的，第二个是bias的。类似地，weight_decay也有两个，一个是weight的，一个是bias的）； 
    
    
    blob中，mutable_cpu/gpu_data() 和cpu/gpu_data()用来管理memory，cpu/gpu_diff()和 mutable_cpu/gpu_diff()用来计算求导结果。
    
    

• slover.cpp: 
  结合loss，用gradient更新weights。主要函数： 
  Init(), 
  Solve(), 
  ComputeUpdateValue(), 
  Snapshot(), Restore(),//快照（拷贝）与恢复 网络state 
  Test()；
  
  在solver.cpp中有3中solver，即3个类：AdaGradSolver, SGDSolver和NesterovSolver可供选择。
  
  关于loss，可以同时有多个loss，可以加regularization（L1/L2）；

Protocol buffer：

上面已经将过， protocol buffer在 .proto文件中定义message类型，.prototxt或.binaryproto文件中定义message的值；

1. Caffe 
   Caffe的所有message定义在$CAFFE/src/caffe/proto/caffe.proto中。

2. Experiment 
   在实验中，主要用到两个protocol buffer: solver的和model的，分别定义solver参数（学习率啥的）和model结构(网络结构)。
   
   技巧：

   • 冻结一层不参与训练：设置其blobs_lr=0
   • 对于图像，读取数据尽量别用HDF5Layer（因为只能存float32和float64，不能用uint8, 所以太费空间）

训练基本流程：

1. 数据处理 
   法一，转换成caffe接受的格式：lmdb, leveldb, hdf5 / .mat, list of images, etc.；法二，自己写数据读取层(如https://github.com/tnarihi/tnarihi-caffe-helper/blob/master/python/caffe_helper/layers/data_layers.py)
2. 定义网络结构
3. 配置Solver参数
4. 训练：如 caffe train -solver solver.prototxt -gpu 0

在python中训练: 
Document & Examples: https://github.com/BVLC/caffe/pull/1733 

核心code：

• $CAFFE/python/caffe/_caffe.cpp 
  定义Blob, Layer, Net, Solver类
• $CAFFE/python/caffe/pycaffe.py 
  Net类的增强功能

Debug：

• 在Make.config中设置DEBUG := 1
• 在solver.prototxt中设置debug_info: true
• 在python/Matlab中察看forward & backward一轮后weights的变化

经典文献： 
[ DeCAF ] J. Donahue, Y. Jia, O. Vinyals, J. Hoffman, N. Zhang, E. Tzeng, and T. Darrell. Decaf: A deep convolutional activation feature for generic visual recognition. ICML, 2014. 
[ R-CNN ] R. Girshick, J. Donahue, T. Darrell, and J. Malik. Rich feature hierarchies for accurate object detection and semantic segmentation. CVPR, 2014. 
[ Zeiler-Fergus Visualizing] M. Zeiler and R. Fergus. visualizing and understanding convolutional networks. ECCV, 2014. 
[ LeNet ] Y. LeCun, L. Bottou, Y. Bengio, and P. Haffner. Gradient-based learning applied to document recognition. IEEE, 1998. 
[ AlexNet ] A. Krizhevsky, I. Sutskever, and G. Hinton. Imagenet classification with deep convolutional neural networks. NIPS, 2012. 
[ OverFeat ] P. Sermanet, D. Eigen, X. Zhang, M. Mathieu, R. Fergus, and Y. LeCun. Overfeat: Integrated recognition, localization and detection using convolutional networks. ICLR, 2014. 
[ Image-Style (Transfer learning) ] S. Karayev, M. Trentacoste, H. Han, A. Agarwala, T. Darrell, A. Hertzmann, H. Winnemoeller. Recognizing Image Style. BMVC, 2014. 
[ Karpathy14 ] A. Karpathy, G. Toderici, S. Shetty, T. Leung, R. Sukthankar, and L. Fei-Fei. Large-scale video classification with convolutional neural networks. CVPR, 2014. 
[ Sutskever13 ] I. Sutskever. Training Recurrent Neural Networks. PhD thesis, University of Toronto, 2013. 
[ Chopra05 ] S. Chopra, R. Hadsell, and Y. LeCun. Learning a similarity metric discriminatively, with application to face verification. CVPR, 2005.

from: http://blog.csdn.net/abcjennifer/article/details/46424949