1

在内积层，我需要乘以(top_diff * bottom_data) .* (2*weight). 首先，我们将 ( result = top_diff * bottom_data) 计算为矩阵乘法，caffe_cpu_gemm然后在 和之间进行dot product计算。weightresult

更多解释定义如下：

const Dtype* weight = this->blobs_[0]->cpu_data();
     if (this->param_propagate_down_[0]) {
            const Dtype* top_diff = top[0]->cpu_diff();
            const Dtype* bottom_data = bottom[0]->cpu_data();
caffe_cpu_gemm<Dtype>(CblasTrans, CblasNoTrans, N_, K_, M_, (Dtype)1.,
        top_diff, bottom_data, (Dtype)1., this->blobs_[0]->mutable_cpu_diff());
}

为了进一步了解，我检查了math_function.c. 它的实现如下：

template<>
void caffe_cpu_gemm<float>(const CBLAS_TRANSPOSE TransA,
    const CBLAS_TRANSPOSE TransB, const int M, const int N, const int K,
    const float alpha, const float* A, const float* B, const float beta,
    float* C) {
  int lda = (TransA == CblasNoTrans) ? K : M;
  int ldb = (TransB == CblasNoTrans) ? N : K;
  cblas_sgemm(CblasRowMajor, TransA, TransB, M, N, K, alpha, A, lda, B,
      ldb, beta, C, N);
}

我认为我应该在之后执行乘法 ( result = top_diff * bottom_data)和. 我应该怎么做？！caffe_cpu_gemm()dot productweight

非常感谢！！！！任何意见，将不胜感激！

4

1 回答 1

1

如果您只想在两个矩阵之间执行点积，可以使用以下函数在 CPU 上将矩阵相乘，

void caffe_mul<float>(const int n, const float* a, const float* b, float* y)

如果您想在 GPU 上执行相同的操作，请使用此模板

void caffe_gpu_mul<float>(const int N, const float* a, const float* b, float* y)

a 和 b 是你的矩阵，c 将包含最终结果。N 是矩阵中元素的总数。

您还可以使用已经执行此操作的“Eltwise”层。

于 2017-01-18T18:20:31.023 回答