Caffe层系列：Eltwise Layer

版权声明：未经博主允许，不得转载！ https://blog.csdn.net/u011681952/article/details/86151648

Eltwise Layer是对多个bottom进行操作计算并将结果赋值给top，一般特点：多个输入一个输出，多个输入维度要求一致
首先看下Eltwise层的参数：

message EltwiseParameter {
  enum EltwiseOp {
    PROD = 0;       //点乘
    SUM = 1;        //加减（默认）
    MAX = 2;        //最大值
  }
  optional EltwiseOp operation = 1 [default = SUM];  // element-wise operation
  repeated float coeff = 2; // blob-wise coefficient for SUM operation

  // Whether to use an asymptotically slower (for >2 inputs) but stabler method
  // of computing the gradient for the PROD operation. (No effect for SUM op.)
  optional bool stable_prod_grad = 3 [default = true];
}

则Eltwise层的操作有三个：product（点乘）， sum（相加减） 和 max（取大值），其中sum是默认操作。

假设输入bottom为A和B，
1）如果要实现element_wise的A+B，即A和B的对应元素相加，prototxt文件如下：

layer {
	  name: "eltwise_layer"
	  bottom: "A"
	  bottom: "B"
	  top: "diff"
	  type: "Eltwise"
	  eltwise_param {
	    operation: SUM
	  }
}​

2）如果实现A-B，则prototxt为：

layer {
	  name: "eltwise_layer"
	  bottom: "A"
	  bottom: "B"
	  top: "diff"
	  type: "Eltwise"
	  eltwise_param {
	    operation: SUM
	    coeff: 1
	    coeff: -1
	  }
}​

注意：其中A和B的系数（coefficient）都要给出。

3）如果实现A.*B，则prototxt为：

layer {
	  name: "eltwise_layer"
	  bottom: "A"
	  bottom: "B"
	  top: "diff"
	  type: "Eltwise"
	  eltwise_param {
	    operation: PROD
	  }
}​