caffe源码解析-BaseConvolutionLayer

本文主要是介绍caffe源码解析-BaseConvolutionLayer，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

BaseConvolutionLayer是作为ConvolutionLayer的基类，里面实现了一些ConvolutionLayer需要用到的函数。

1. forward_cpu_gemm，卷积层前向传递过程中的矩阵乘法
2. backward_cpu_gemm，卷积层后向传播过程的矩阵乘法
3. weight_cpu_gemm，主要用来计算权重的增量
4. forward_cpu_bias，加入偏置，略
5. backward_cpu_bias，偏置的更新，略

**

forward_cpu_gemm

**
forward_cpu_gemm这个函数起始相比于普通的caffe_cpu_gemm就是多了一步conv_im2col_cpu，caffe的作者在知乎上有解答caffe是如何计算卷积的，我还是把图贴过来：

上面是作者贾扬清介绍如何将卷积转换为矩阵乘法的，之所以进行这样的转换是因为矩阵乘法可以很方便进行矩阵加速计算。但是图和源码还是有点差异，源码是将一个C*H_in*W_in的输入数据转换为（C*K*K）*(H_out*W_out)的矩阵，和图中存在一个转置的关系。

template <typename

这篇关于caffe源码解析-BaseConvolutionLayer的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---