如何在 Caffe 中定义常量向量层？

Question

我有一个带有 10 维标签向量的数据，我想使用 caffe 模型对这些具有 10 维输出的数据进行回归。但是现在，我只想检查一些输出的损失（例如，10-d 向量的 1、3、4、5、6-d），所以我在最后一个底部定义了一个具有 5-d 输出的层输出层，但我不知道如何获得相应的 5-d 标签向量 groundtruth，我想也许我可以定义一个常量层来指示我想要获取哪些条目。如果您有任何想法，请帮助我。

更新：例子

这是我原来的 InnerProduct 和 Loss 层

layer {
   name: "score"
   type: "InnerProduct"
   bottom: "fc7"
   top: "score"
   inner_product_param {
      num_output: 10
      weight_filler {
         type: "gaussian"
         std: 0.005
      }
      bias_filler {
         type: "constant"
         value: 1
      }
   }
}

layer {
  name: "loss"
  type: "EuclideanLoss"
  bottom: "score"
  bottom: "label"
  top: "loss"
  include {
    phase: TRAIN
  }
}

我比较关心10维输出的$n_1$(like 1,3,4,5,6)个entry和它们的loss，所以想取这些entry的loss，喜欢

layer {
   name: "score1"
   type: "InnerProduct"
   bottom: "fc7"
   top: "score1"
   inner_product_param {
      num_output: 5                  # n_1
      weight_filler {
         type: "gaussian"
         std: 0.005
      }
      bias_filler {
         type: "constant"
         value: 1
      }
   }
}

layer {
  name: "loss1"
  type: "EuclideanLoss"
  bottom: "score1"
  bottom: "label"
  top: "loss1"
  include {
    phase: TRAIN
  }
}

如何直接从 score 中得到 score1？

Answer 1

根据我对你的问题的解释，我认为你想计算输出层的损失 w.r.t 回归模型的标签。但是您不想在等式中加上一些标签。

如果我的解释是正确的，作为回归模型，我希望您的新层类似于 EuclidieanLayer 的层。如果是这样，层中的caffe_sub函数可以用下面的代码段代替。

  int arrayPos[5] = {1,3,4,5,6};
  int count = 5;
  Dtype *newBottom0=(Dtype*)malloc(sizeof(Dtype)*count);
  Dtype *newBottom1=(Dtype*)malloc(sizeof(Dtype)*count);
  for(int varI=0; varI<count; varI++)
  {
    newBottom0[varI] = (Dtype) bottom[0]->cpu_data()[arrayPos[varI]];
    newBottom1[varI] = (Dtype) bottom[1]->cpu_data()[arrayPos[varI]];
  }
  caffe_sub( count, newBottom0, newBottom1, diff_.mutable_cpu_data());
  free(newBottom0);
  free(newBottom1);

如何在 Caffe 中定义常量向量层？

How can I define a constant vector layer in Caffe?

caffe