在新版caffe中新增center loss層

準備工作：

1，首先你需要有乙個可以make編譯通過的caffe（這個過程在第一篇blog中已經寫出）和乙個帶有center_loss層的caffe-face（可以直接在github上clone下來）

caffe-face**：

git clone .git

新增原因：

1，在分類問題上，center_loss可以很好的減小類類間距，增加類間距離。

前言：新增center_loss層需要有它的.cpp 、.cu以及相應的.hpp檔案才能生成center_loss層，同時，需要修改caffe.proto。

這種『搬磚』法也可以應用在其他層的替換。

具體過程如下：

1，複製caffe-face的src/caffe/layers目錄下的center_loss_layer.cpp和center_loss_layer.cu檔案到caffe的相同位置的目錄下；

2，複製caffe-face的include/caffe/layers目錄下的center_loss_layer.hpp到caffe相同位置的目錄下；

3，修改caffe.proto檔案

>>進入caffe的src/caffe/proto目錄下開啟caffe.proto檔案，在網路層的定義部分，id為148，last added:***，將網路名替換為center_loss_param

>>並設定替換engine的預設值，將***的id為147的設定替換為center_loss，如下：

>>在caffe.proto檔案的末尾新增center_loss層的message centerlossparameter：

message centerlossparameter

4，刪掉src/caffe/layers以及include/caffe/layers目錄下的***.cpp，***.cu以及***.hpp檔案，或者進行壓縮備份。

5，最後一步複製caffe-face的src/caffe/test目錄下的test_neuron_layer.cpp檔案替換到caffe下，或者修改caffe的src/caffe/test目錄下的test_neuron_layer.cpp檔案的內容（將檔案內所有關於***_layer的內容都刪掉）

修改完成後就可以編譯caffe了，依次執行以下命令編譯（如果你想加速可以在命令列末尾追加-jxx，其中xx（數值，如-j16）是看你核心數量的多少，不建議新增-jxx，經驗教訓是手動新增替換網路層後，高速編譯可能會出現不必要的bug）：

make all make test make runtest make pycaffe

沒有bug出現即為編譯成功。