Relu算子的介紹

我們從下方的代碼中來了解Operator類和ReluOperator類，它們是父子關(guān)系，Operator是基類，OpType記錄Operator的類型。

enumclassOpType{
kOperatorUnknown=-1,
kOperatorRelu=0,
};

classOperator{
public:
OpTypekOpType=OpType::kOperatorUnknown;

virtual~Operator()=default;

explicitOperator(OpTypeop_type);
};

ReluOperator實(shí)現(xiàn)：

classReluOperator:publicOperator{
public:
~ReluOperator()override=default;

explicitReluOperator(floatthresh);

voidset_thresh(floatthresh);

floatget_thresh()const;

private:
floatthresh_=0.f;
};

Layer類

我們會在operator類中存放從「計(jì)算圖結(jié)構(gòu)文件」得到的信息，例如在ReluOperator中存放的thresh值作為一個(gè)參數(shù)就是我們從計(jì)算圖結(jié)構(gòu)文件中得到的，計(jì)算圖相關(guān)的概念我們已經(jīng)在第一節(jié)中講過。

下一步我們需要根據(jù)ReLuOperator類去完成ReluLayer的初始化，「他們的區(qū)別在于ReluOperator負(fù)責(zé)存放從計(jì)算圖中得到的節(jié)點(diǎn)信息，不負(fù)責(zé)計(jì)算」，而ReluLayer則「負(fù)責(zé)具體的計(jì)算操作」，同樣，所有的Layer類有一個(gè)公共父類Layer. 我們可以從下方的代碼中來了解兩者的關(guān)系。

classLayer{
public:
explicitLayer(conststd::string&layer_name);

virtualvoidForwards(conststd::vector>>&inputs,
std::vector>>&outputs);

virtual~Layer()=default;
private:
std::stringlayer_name_;
};

其中Layer的Forwards方法是具體的執(zhí)行函數(shù)，負(fù)責(zé)將輸入的inputs中的數(shù)據(jù)，進(jìn)行relu運(yùn)算并存放到對應(yīng)的outputs中。

classReluLayer:publicLayer{
public:
~ReluLayer()override=default;

explicitReluLayer(conststd::shared_ptr&op);

voidForwards(conststd::vector>>&inputs,
std::vector>>&outputs)override;

private:
std::shared_ptrop_;
};

這是集成于Layer的ReluLayer類，我們可以看到其中有一個(gè)op成員，是一個(gè)ReluOperator指針，「這個(gè)指針中負(fù)責(zé)存放ReluLayer計(jì)算時(shí)所需要用到的一些參數(shù)」。此處op_存放的參數(shù)比較簡單，只有ReluOperator中的thresh參數(shù)。

我們再看看是怎么使用ReluOperator去初始化ReluLayer的，先通過統(tǒng)一接口傳入Operator類，再轉(zhuǎn)換為對應(yīng)的ReluOperator指針，最后再通過指針中存放的信息去初始化「op_」.

ReluLayer::ReluLayer(conststd::shared_ptr&op):Layer("Relu"){
CHECK(op->kOpType==OpType::kOperatorRelu);
ReluOperator*relu_op=dynamic_cast(op.get());
CHECK(relu_op!=nullptr);
this->op_=std::make_shared(relu_op->get_thresh());
}

我們來看一下具體ReluLayer的Forwards過程，它在執(zhí)行具體的計(jì)算，完成Relu函數(shù)描述的功能。

voidReluLayer::Forwards(conststd::vector>>&inputs,
std::vector>>&outputs){
CHECK(this->op_!=nullptr);
CHECK(this->op_->kOpType==OpType::kOperatorRelu);

constuint32_tbatch_size=inputs.size();
for(inti=0;iempty());
conststd::shared_ptr>&input_data=inputs.at(i);

input_data->data().transform([&](floatvalue){
floatthresh=op_->get_thresh();
if(value>=thresh){
returnvalue;
}else{
return0.f;
}
});
outputs.push_back(input_data);
}
}

在for循環(huán)中，首先讀取輸入input_data, 再對input_data使用armadillo自帶的transform按照我們給定的thresh過濾其中的元素，如果「value」的值大于thresh則不變，如果小于thresh就返回0.

最后，我們寫一個(gè)測試函數(shù)來驗(yàn)證我們以上的兩個(gè)類，節(jié)點(diǎn)op類，計(jì)算層layer類的正確性。

先判斷Forwards返回的outputs是否已經(jīng)保存了relu層的輸出，輸出大小應(yīng)該assert為1. 隨后再進(jìn)行比對，我們應(yīng)該知道在thresh等于0的情況下，第一個(gè)輸出index(0)和第二個(gè)輸出index(1)應(yīng)該是0，第三個(gè)輸出應(yīng)該是3.f.

TEST(test_layer,forward_relu){
usingnamespacekuiper_infer;
floatthresh=0.f;
std::shared_ptrrelu_op=std::make_shared(thresh);
std::shared_ptr>input=std::make_shared>(1,1,3);
input->index(0)=-1.f;
input->index(1)=-2.f;
input->index(2)=3.f;
std::vector>>inputs;
std::vector>>outputs;
inputs.push_back(input);
ReluLayerlayer(relu_op);
layer.Forwards(inputs,outputs);
ASSERT_EQ(outputs.size(),1);
for(inti=0;iindex(0),0.f);
ASSERT_EQ(outputs.at(i)->index(1),0.f);
ASSERT_EQ(outputs.at(i)->index(2),3.f);
}
}

本期代碼倉庫位置

gitclonehttps://gitee.com/fssssss/KuiperCourse.git
gitcheckoutfouth

審核編輯：劉清