Euclideanloss_layer層解析

這里說一下euclidean_loss_layer.cpp關於該歐式loss層的解析，代碼如下：

#include <vector>

#include "caffe/layers/euclidean_loss_layer.hpp"
#include "caffe/util/math_functions.hpp"

namespace caffe {

template <typename Dtype>  //reshape步驟：驗證以及將loss層的誤差項的形狀進行校正
void EuclideanLossLayer<Dtype>::Reshape(
  const vector<Blob<Dtype>*>& bottom, const vector<Blob<Dtype>*>& top) {
  LossLayer<Dtype>::Reshape(bottom, top);
  CHECK_EQ(bottom[0]->count(1), bottom[1]->count(1))
      << "Inputs must have the same dimension.";
  diff_.ReshapeLike(*bottom[0]);
}

template <typename Dtype>
void EuclideanLossLayer<Dtype>::Forward_cpu(const vector<Blob<Dtype>*>& bottom,
    const vector<Blob<Dtype>*>& top) {
  int count = bottom[0]->count();
  caffe_sub(
      count,
      bottom[0]->cpu_data(),
      bottom[1]->cpu_data(),
      diff_.mutable_cpu_data());  //賦值diff_,它是loss層自定義的一個blob，用來存儲終極的誤差項，然后基於這個blob進行反向傳播，這兒的值即（f(x) - y）;
  Dtype dot = caffe_cpu_dot(count, diff_.cpu_data(), diff_.cpu_data());
  Dtype loss = dot / bottom[0]->num() / Dtype(2);
  top[0]->mutable_cpu_data()[0] = loss;  //按照定義計算loss
}

template <typename Dtype>
void EuclideanLossLayer<Dtype>::Backward_cpu(const vector<Blob<Dtype>*>& top,
    const vector<bool>& propagate_down, const vector<Blob<Dtype>*>& bottom) {
  for (int i = 0; i < 2; ++i) {
    if (propagate_down[i]) {
      const Dtype sign = (i == 0) ? 1 : -1;
      const Dtype alpha = sign * top[0]->cpu_diff()[0] / bottom[i]->num();  //注意這里的top[0]->cpu_diff()[0]的值不是傳遞的，而是之前已經初始化好的，初始化過程在layer.hpp的SetLossWeights()函數中，值為（loss_weight * 1），即loss_weight;
      caffe_cpu_axpby(  //功能: b = alpha * a + beta * b
          bottom[i]->count(),              // count
          alpha,                              // alpha
          diff_.cpu_data(),                   // a, diff_即該loss層的誤差項，即（f(x) - y）
          Dtype(0),                           // beta
          bottom[i]->mutable_cpu_diff());  // b
    }
  }
}

#ifdef CPU_ONLY
STUB_GPU(EuclideanLossLayer);
#endif

INSTANTIATE_CLASS(EuclideanLossLayer);
REGISTER_LAYER_CLASS(EuclideanLoss);  //在caffe的工廠中注冊這個函數，從而在對應的prototxt中就可以使用“ type:EuclideanLoss ”這個type了

}  // namespace caffe

關於caffe_set , caffe_sub , caffe_cpu_axpby等等的解釋可以參考：https://blog.csdn.net/seven_first/article/details/47378697#9caffeadd-caffesub-caffemul-caffediv-%E5%87%BD%E6%95%B0