irregular note——Several Layers

网络中的相关层

数据层Data Layers

数据层位于网络的最底端，数据可以有五种获取方式：1、从高效率的数据库读取（如：LevelDB或者LMDB），2、可以直接从内存中读取，3、从硬盘上以HDFT文件，4、普通的图片文件格式读取，5、图片来源于Windows。一些数据的预处理操作，如:均值减，尺度变换，随机裁剪或者镜像，也是在这一层通过设置参数TransformParameter来实现。具体的设置方式可参见文档链接：http://pan.baidu.com/s/1dFLEVJF 密码：9p4u 《Caffe网络模型各层详解》

视觉层Vision Layers

视觉层包括Convolution层，Pooling层，Local Response，Normalization（LRN）,im2col（在caffe中，卷积运算是先对数据进行im2col操作，再进行内积运算，这样使得比原始的卷积操作要快）等层。各个层有其与各自相关的参数。具体参见文档。

激活层Activiation Lyaers

对输入数据逐像素进行某种函数变换，在运算过程中，没有改变原始数据的尺寸大小，即输入和输出的数据大小是相等的。

其他常用层

    (1)softmax-loss层

    (2)Inner Product全连接层

    (3)accuracy:在预测阶段（test阶段），输出分类的精确度

    (4)reshape：在不改变数据的情况下，改变输入的维度

    (5)dropout:这是一个防止过拟合的trick，通过设置随机失活比率，可随机让网络某些隐含层节点的   权重不工作。

一些相关处理的层结构

连结层Concatenation：用于将多个blob连结成一个blob输出

切片Slicing：相反地，该层用于按照给定维度和切分位置的索引将一个输入blob分成多个blob输出。