Caffe：python中的串联层（L.Concat）

Question

我想知道如何在python中将两层连接成一层。 更具体地说，我想将池化（子采样）层的输出与非可视数据结合在一起，然后在其之上放置一个完全连接的层。

假设子采样层将输出形状为64 * 2 * 2的神经元（如果忽略caffe batch_size），并且我要加入的数据层仅包含1个要素（速度浮动范围从0到1）。

以下是一些虚拟代码，可将您置于上下文中：

import numpy as np

import caffe
from caffe import layers as L
from caffe import params as P

# ...

n.conv4 = L.Convolution(n.relu3, kernel_size=3, num_output=64, weight_filler=dict(type='xavier'))
n.pool4 = L.Pooling(n.conv4, kernel_size=3, stride=2, pool=P.Pooling.AVE)
# Data of shape `batch_size*64*2*2` out of this layer (if dropout ignored). 
n.relu4 = L.ReLU(n.pool4, in_place=True)

###
# This is what I want to know how to do, yet this might not even be
# the good way to call the function:
n.join_speed = L.Concat([n.relu4, n.data_speed], in_place=True)
####

n.ip1 = L.InnerProduct(n.join_speed, num_output=512, weight_filler=dict(type='xavier'))
n.sig1 = L.Sigmoid(n.ip1, in_place=True)

# ...

Answer 1

我不确定您是否已经找到问题的答案，但是如果您还没有找到答案，则可以尝试以下方法：

bottom_layers = [n.relu4, n.data_speed]
n.join_speed = L.Concat(*bottom_layers)

上面应该允许您通过pycaffe / python层调用Concat层。

Answer 2

我同样试图做一个python生成的deconv层

n.deconv8 = L.Deconvolution(n.conv7)

可以，但是

n.deconv8 = L.Deconvolution(n.conv7,kernel_size=2)

命中

AttributeError: 'LayerParameter' object has no attribute 'kernel_size'

和类似的

n.deconv8 = L.Deconvolution(n.conv7,num_output=1024)

所以有一些新的语法来指示这些参数（还有weight_filler，bias_filler，stride）