因为需要在faster-rcnn中再加入一个loss项，所以需要自己写loss层。对C++和cuda都不熟悉，而且用caffe提供的python接口写会非常方便，所以选择用python来写（python写的caffe层并不支持多个gpu并行计算，不过反正我也没有多个gpu，只有一个，所以就没啥关系）
1. pycaffe loss layer的结构
import caffe
class MyLossLayer(caffe.layer):
def setup(self, bottom, top):
# get the param_str from self
def reshape(self, bottom, top):
# reshape the top
def forward(self, bottom, top):
# feed forward from bottom to top
def backward(self, top, propagate_down, bottom):
# back forward from top to bottom
以上这4个方法是必须定义在里面的。
2. 一些必须的东西
reshape函数中里面必须把top的shape给定下来，比如说，这是一个loss layer，那么这个层的输出就是一个loss值，所以这个top的shape就是1*1，所以就这样写：
top[0].reshape(1,1)
forward函数中最后的结果要放入top[i].data[...]中，其中i就是第几个top，因为有些层会有多个输出的。在loss layer中就只有一个输出就是loss值，所以只要给top[0].data[...]赋值就行了：
top[0].data[...] = some_value_you_get
backward函数中，是对输入这一层的数据求梯度，而不是输出这一层的数据。即是对bottom求梯度，不是对top求梯度，所以这样写：
bottom[0].diff[...] = some_gradients_you_get
3. 一些知识点
setup和reshape是在caffe构造网络结构的时候调用的，这个时候bottom[I].data的shape显示应该是1 * size的，因为这个时候并不知道batch_size是多少。
forward和backward是在train阶段调用的，这个时候bottom[I].data的shape显示的就是batch_size * size的了。
4. 感谢
在对caffe和python都不熟悉的情况下，把基础的一些搭建pycaffe loss layer的方法搞明白了，要感谢下StackOverflow上的Shai，py-R-FCN的作者Orpine，以及Codebb
