在Caffe添加Python layer详细步骤

本文主要讨论的是在caffe中添加python layer的一般流程，自己设计的test_python_layer.py层只是起到演示作用，没有实际的功能。

1） Python layer 在caffe目录结构中放哪？

下图是caffe的目录结构，在本文中我是将python layer防止examples/pycaffe/layers/下

2）Python layer内容

我给这一个python layer取名为test_python_layer.py，其内容为

import caffe
import numpy as np


class TestPythonLayer(caffe.Layer):
    """
    Compute the Euclidean Loss in the same manner as the C++ EuclideanLossLayer
    to demonstrate the class interface for developing layers in Python.
    """

    def setup(self, bottom, top):
        # check input pair
        if len(bottom) != 1:
            raise Exception("Need two inputs to compute distance.")

    def reshape(self, bottom, top):
        # loss output is scalar
        top[0].reshape(1)

    def forward(self, bottom, top):
        top[0].data[...] = np.sum(bottom[0].data**2) / bottom[0].num / 2.;print('Test passed!')

    def backward(self, top, propagate_down, bottom):
        pass

大家一定要注意，我这样设计这个层（包括代码、代码所放位置）是有一个前提的，那就是我导出了相应的环境变量，如下图所示（红色部分遮住的是具体的路径，大家可以根据自己的实际情况进行调整）。如果没有设置环境变量，可能会出现模块找不到问题。

3）如何测试这个python layer的可行性

设计一个网络结构prototxt文件

name: "CIFAR10_quick"
layer {
  name: "cifar"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TRAIN
  }
  transform_param {
    mean_file: "examples/cifar10/mean.binaryproto"
  }
  data_param {
    source: "examples/cifar10/cifar10_train_lmdb"
    batch_size: 100
    backend: LMDB
  }
}
layer {
  name: "cifar"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TEST
  }
  transform_param {
    mean_file: "examples/cifar10/mean.binaryproto"
  }
  data_param {
    source: "examples/cifar10/cifar10_test_lmdb"
    batch_size: 100
    backend: LMDB
  }
}
layer {
  name: "test"
  type: "Python"
  bottom: "data"
  top: "loss"
  python_param {
    module: "test_python_layer"
    layer: "TestPythonLayer"
  }
}

及其对应solver文件

net: "examples/cifar10/test_python_layer.prototxt"

base_lr: 0.001

lr_policy: "fixed"

max_iter: 10

solver_mode: CPU

通过下面命令即可测试其效果

其输出为

我是在cifar10样例的基础上设计上述python layer的，这点请大家注意。可以看出，“test passed！”一共出现了10次，这符合我们的预期。

4）下面是问题的重点，在测试的时候我们可能会遇到如下问题

我自己在这个问题上摸索了一个上午（查了很多资料，始终没有解决这个问题），最后索性按照自己的理解来处理了。我的思路大致如下：在没有添加python layer的时候，我的caffe版本能够正常运行；protobuf版本不匹配问题，应该不是caffe C++部分引起的；这样问题就定位到python protobuf的版本问题，我发现自己python的protobuf版本为3.2.0，这样问题就可以轻而易举的按照如下方式解决了

先卸载已有的protobuf

然后按照2.5.0版本的protobuf（这个版本好应该根据自己的错误提示确定）

至此，问题得到解决！

5）关于python层，我谈谈自己的一些看法

• 可以用python layer实现on-the-fly的数据增强！
• GPU模式下，用python layer的时候应该牢记“数据是不是来回在GPU、CPU直接copy”！这样有助于你定位在什么地方应该用python layer!