layer.hpp

namespace caffe { class Layer{} }

public:

explicit Layer(const LayerParameter& param){} 对Layer的构造函数
virtual ~Layer(){} Layer析构函数
void Setup( const vector< Blob< Dtype>*>& bottom, const vector< Blob< Dtype>* >& top) 实现普通层的setup，check bottom与top数量是否正确；特殊的Layer用LayerSetUp来创建；Reshape来修正；用SetLossWeights来增加非零loss权值

{ InitMutex();
```
 CheckBlobCounts(bottom, up);
     
 LayerSetup(bottom, top);
     
 Reshap(bottom, top);
    
 SetLossWeights(top);   }00
```
virtual void LayerSetUp( const vector< Blob< Dtype>*>& bottom, const vector< Blob< Dtype>*>& top) {} 完成特殊layer的setup，必须接着使用；这包括读取和处理layer_param_，在forward之前，必须调征blob size
virtual inline bool ShareInParallel() const {} 在数据parallism时，layer能否被多层网络共享
inline bool IsShared() const{} 返回layer是否能被其他网络共享。如果ShareInParallel()为true，使用多多于一个GPU且由TRAIN phase，则该函数返回true
inline void SetShared( bool is_shared ) {} 设置layer是否能被其他网络共享。如果ShareInParallel()为true，使用多多于一个GPU且由TRAIN phase，则该函数返回true
virtual void Reshape( const vector< Blob< Dtype>* >& bottom, const vector< Blob< Dtype>* >& top) = 0; 调整top blobs和inter buffers的shape来匹配bottom的shape
inline Dtype Forward( const vector< Blob< Dtype> *>& bottom, const vector< Blob \*> 根据给定的bottom，计算top与loss，返回的是该层的loss。Forward调用相关的wrapper function（Forward_cpu或Forward_gpu）来计算top blob。
inline Dtype Backward( const vector< Blob< Dtype>*>& top, const vector< bool>& propagate_down, const vector< Blob< Dtype>*>& bottom); 根据给定的top error梯度，计算bottom error梯度。propagate为与bottom长度相同的向量，每个index表示在对应的index上，是否要将error梯度传播到bottom上。Backward调用相关wrapper函数（Backward_cpu或Backward_gpu），根据给定的top diffs计算bottom diffs
vector< shared_ptr< Blob< Dtype> > >& blobs(){} 返回可学习的参数blob
const LayerParameter& layer_param() const {} 返回layer参数
virtual void ToProto( LayerParameter* param, bool write_diff = false )将layer参数写进protocal buffer中
inline Dtype loss( const int top_index) const{} 返回top blob对应index的loss
inline void set_loss( const int top_index, const Dtype value) {} 设置top blob对应index的loss
virtual inline const char* type() const {} 返回layer的类型
virtual inline int ExactNumBottomBlobs() const {} 返回layer所要求的确切bottom blobs数量。如果你的层想要准确的bottom blobs数量，这函数会被重载返回非负值
virtual inline int MinBottomBlobs() const{} 返回layer要求的最小的bottom blob数量。如果你的层想最小的bottom blobs数量，这函数会被重载返回非负值
virtual inline int MaxBottomBlobs() const{} 返回layer要求的最大的bottom blob数量。如果你的层想最大的bottom blobs数量，这函数会被重载返回非负值
virtual inline int ExactNumTopBlobs() const{} 返回layer所要求的确切top blobs数量。如果你的层想要准确的top blobs数量，这函数会被重载返回非负值
virtual inline int MinTopBlobs()
virtual inline int MaxTopBlobs()
virtual inline bool EqualNumBottomTopBlobs() const{} 如果bottom blobs的数目和top相同，返回true
virtual inline bool AutoTopBlobs() const {} 返回top是否由bottom自动创建。如果想要bottom和top数目相同，则该函数重载后返回true
virtual inline bool AllowForceBackward(const int bottom_index) const{} 返回是否可以对给定的bottom index进行force_backward
inline bool param_progagate_down(const int param_id) 说明是否要对特定的index计算相应的梯度
inline void set_param_propagate_down( const int param_id, const bool value) 设置是否要对特定的index计算相应的梯度

protected

LayerParameter layer_param_ protobuf储存layer参数
Phase phase_ TRAIN或TEST
vector< shared_prt< Blob < Dtype> > > 向量中存储可学习参数的blobs
vector< bool> param_propagate_down_ 向量表明是否要计算每个参数blob的diff
vector< Dtype> loss_ 向量表示在目标函数中，是否每个top blob都有一个non-zero weight
virtual void Forward_cpu( const vector< Blob< Dtype>*>& bottom, const vector< Blob< Dtype>*>& top) =0; 用CPU计算layer的output
virtual void Forward_gpu( const vector< Blob< Dtype>*>& bottom, const vector< Blob< Dtype>*>& top) 用GPU计算layer的output
virtual void Backward_cpu( const vecotr< blob< Dtype>* >& top, const vector& propagate_down, const vector< Blob \*>bottom) =0; 如果propagate_down为true，计算bottom的梯度
virtual void Backward_gpu( const vector< Blob< Dtype>*>& top, const vector< bool>& propagate_down, const vector< Blob< Dtype> *>& bottom) {} 如果propagate_down为true，计算bottom的梯度
virtual void CheckBlobCounts( const vector< Blob< Dtype>*>& bottom, const vector< Blob< Dtype>*>& top){} Layer的SetUp函数检测bottom与top的数目是否匹配，调用MinBottomBlobs()，MaxBottomBlobs()等函数
virtual SetLossWeights( const vector< Blob< Dtype>*>& top){} 初始化loss function中与top blobs有关的权值。在diff blob中存储non-zero loss weights

private:

bool is_shared_ 该layer是否可被其他网络共享
shared_prt< boost::mutex> forward_mutex_ 如果layer可共享，mutex前向序列
void InitMutex() 初始化forward_mutex_
void Lock() 如果layer共享，lock forward_mutex_
void Unlock() 如果layer共享，Unlock forward_mutex_