caffe中卷积层反向传播原理

落日映苍穹つ 2022-05-28 00:38 251阅读 0赞

参考：[https://blog.csdn.net/buyi\_shizi/article/details/51512848][https_blog.csdn.net_buyi_shizi_article_details_51512848]  
首先十分感谢该博主对caffe中反向传播原理的讲解，但是感觉该文章中对convlution layer的表述有问题。以下为本人的理解，如有错误还请批评指正

## 一、caffe卷积层反向传播代码实现 ##

CAFFE\_ROOT/src/caffe/layers/conv\_layer.cpp

template <typename Dtype>
    void ConvolutionLayer<Dtype>::Backward_cpu(const vector<Blob<Dtype>*>& top,
          const vector<bool>& propagate_down, const vector<Blob<Dtype>*>& bottom) {
      const Dtype* weight = this->blobs_[0]->cpu_data();
      Dtype* weight_diff = this->blobs_[0]->mutable_cpu_diff();
      for (int i = 0; i < top.size(); ++i) {
        const Dtype* top_diff = top[i]->cpu_diff();
        const Dtype* bottom_data = bottom[i]->cpu_data();
        Dtype* bottom_diff = bottom[i]->mutable_cpu_diff();
        // Bias gradient, if necessary.
        if (this->bias_term_ && this->param_propagate_down_[1]) {
          Dtype* bias_diff = this->blobs_[1]->mutable_cpu_diff();
          for (int n = 0; n < this->num_; ++n) {
            this->backward_cpu_bias(bias_diff, top_diff + n * this->top_dim_);
          }
        }
        if (this->param_propagate_down_[0] || propagate_down[i]) {
          for (int n = 0; n < this->num_; ++n) {
            // gradient w.r.t. weight. Note that we will accumulate diffs.
            if (this->param_propagate_down_[0]) {
              this->weight_cpu_gemm(bottom_data + n * this->bottom_dim_,
                  top_diff + n * this->top_dim_, weight_diff);
            }
            // gradient w.r.t. bottom data, if necessary.
            if (propagate_down[i]) {
              this->backward_cpu_gemm(top_diff + n * this->top_dim_, weight,
                  bottom_diff + n * this->bottom_dim_);
            }
          }
        }
      }
    }

## 二、原理 ##

batch-size为64

输入 input（12×12×20）  
![这里写图片描述][70]

卷积核 weight（5×5×20）×50  
![这里写图片描述][70 1]  
输出 output （8×8×50）  
![这里写图片描述][70 2]

卷积操作存在 权重和输入输出，反向传播需要计算总LOSS相对于该卷积层中输入、与权重的梯度Bottom diff与Weight diff（暂且不考虑偏置bias，原理是一样的）。输出的梯度Top diff为下一层的Bottom diff，反向传播中由下一层来提供。在该例子中，权重weight的参数个数为5×5×20×50。对于batch中的一个sample来说，需要进行的乘法操作数为（5×5×20）×50×（8×8），假设batch-size为64，则权重的总输入乘法为（5×5×20）×50×（8×8）×64，这时如果想一次求取所有对权值参数的梯度就比较困难，caffe中是逐样本对权值参数求梯度。然后再把所有的样本中的对于权值的梯度相加。对于单个样本：  
![这里写图片描述][70 3]  
Top diff：为上一层的Bottom diff，尺寸为8×8×50，深度方向展开为二维50×64  
△Bottom data：为卷积核（5×5×20）在bottom-data上做滑动窗口操作时候对应的bottom-data的8×8个位置上的子块数据。展成二维为（5×5×20）×（8×8）=500×64大小。由BP算法的链式结构，以及在不考虑偏置bias的情况下WX=Y特性，权重梯度 Weight diff=Top diff\*Bottom data。大小为500×50，对应卷积核参数（5×5×20）×50。当然这只是batch数据中的一个sample，在batch-size=64时，这个过程要经过64遍，然后把64个Weight diff相加后为最终Weight diff。

![这里写图片描述][70 4]  
同理，在计算输入梯度时候，根据WX=Y，Bottom diff=Weight \* Top diff ，其中Weight为（5×5×20）×50=500×50，  
Top diff 为（8×8）×50=64×50。Bottom diff为500×64大小。这个500×64与12×12×20有什么联系呢？  
其实，这个矩阵是对卷积核所遍历的64个5×5×20个子块的梯度。

[https_blog.csdn.net_buyi_shizi_article_details_51512848]: https://blog.csdn.net/buyi_shizi/article/details/51512848
[70]: /images/20220528/ba50927e8731421e9e5149291a1b1eef.png
[70 1]: /images/20220528/6d8557399ef64acbba7eba32a6c4843a.png
[70 2]: /images/20220528/9a3d614a30d54ec8a274356ab7273020.png
[70 3]: /images/20220528/671b8e4b134344b6a1d4a221583e510e.png
[70 4]: /images/20220528/f707b81f1bd047398f4b3ebd9bd50911.png