Network

源码路径: modules/prediction/network/

概述

network 模块实现了一个轻量级的 C++ 神经网络推理引擎，供预测模块（prediction）在运行时加载预训练模型并执行前向推理。模块不依赖任何第三方深度学习框架，所有层的计算均基于 Eigen 矩阵库原生实现。

整体架构分为三层：

NetModel -- 网络模型容器，从 Protobuf 反序列化完整网络结构，按顺序驱动各层推理
Layer 及其派生类 -- 各种网络层（全连接、卷积、池化、LSTM 等），统一通过 Run() 接口执行前向计算
net_util -- 激活函数、张量加载、矩阵展平等工具函数

网络参数以 NetParameter / LayerParameter（Protobuf）形式存储，运行时由 NetModel::LoadModel 解析并构建层对象链。

核心类

Layer

所有网络层的基类，定义了统一的接口契约。

cpp

class Layer {
 public:
  virtual bool Load(const apollo::prediction::LayerParameter& layer_pb);
  virtual void ResetState() {}
  virtual void SetState(const std::vector<Eigen::MatrixXf>& states) {}
  virtual void State(std::vector<Eigen::MatrixXf>* states) const {}
  virtual void Run(const std::vector<Eigen::MatrixXf>& inputs,
                   Eigen::MatrixXf* output) = 0;
  std::string Name() const;
  int OrderNumber() const;
};

派生层类型

类名	功能	计算公式
Dense	全连接层	`y = activation(x * W + b)`
Conv1d	一维卷积层	`y = Conv(x, kernel) + bias`
MaxPool1d	一维最大池化	窗口内取最大值
AvgPool1d	一维平均池化	窗口内取均值
Activation	独立激活层	`y = f(x)`
BatchNormalization	批归一化	`y = (x - mu) / sqrt(sigma + eps) * gamma + beta`
LSTM	长短时记忆单元	标准 LSTM 四门机制（输入/遗忘/细胞/输出门）
Flatten	展平层	将矩阵展平为行向量
Input	输入层	校验输入形状，直接透传
Concatenate	拼接层	沿列方向拼接两个输入矩阵

LSTM 状态管理

LSTM 是唯一具有内部状态的层，维护隐藏状态 ht_1_ 和细胞状态 ct_1_：

cpp

// 逐步计算 LSTM，更新隐藏状态和细胞状态
void LSTM::Step(const Eigen::MatrixXf& input, Eigen::MatrixXf* output,
                Eigen::MatrixXf* ht_1, Eigen::MatrixXf* ct_1);

关键配置项：

return_sequences -- 是否返回完整序列输出（否则仅返回最后一步）
stateful -- 是否跨 batch 保持状态
unit_forget_bias -- 是否使用单位遗忘偏置

NetModel

网络模型容器，持有 Layer 对象链，负责从 Protobuf 加载模型并执行顺序推理。

cpp

class NetModel {
 public:
  virtual void Run(const std::vector<Eigen::MatrixXf>& inputs,
                   Eigen::MatrixXf* output) const = 0;
  virtual void SetState(const std::vector<Eigen::MatrixXf>& states) {}
  virtual void State(std::vector<Eigen::MatrixXf>* states) const {}
  virtual void ResetState() const {}
  bool LoadModel(const NetParameter& net_parameter);
  std::string PerformanceString() const;
  const std::string& Name() const;
  int Id() const;
  bool IsOk() const;
 protected:
  std::vector<std::unique_ptr<Layer>> layers_;
  NetParameter net_parameter_;
  bool ok_ = false;
};

Run 为纯虚函数，需由具体预测模型子类实现（例如循环驱动各层依次推理）。

核心函数

net_util 工具函数

函数	说明
`sigmoid(x)`	Sigmoid 激活: `1 / (1 + exp(-x))`
`tanh(x)`	双曲正切激活
`linear(x)`	线性激活: `f(x) = x`
`hard_sigmoid(x)`	硬 Sigmoid: 分段线性近似
`relu(x)`	ReLU 激活: `max(0, x)`
`FlattenMatrix(matrix)`	将矩阵按行优先展平为 `1 x N` 行向量
`serialize_to_function(str)`	将字符串名称映射为激活函数对象
`LoadTensor(pb, matrix)`	从 `TensorParameter` 加载 2D 矩阵
`LoadTensor(pb, vector)`	从 `TensorParameter` 加载 1D 向量
`LoadTensor(pb, tensor3d)`	从 `TensorParameter` 加载 3D 张量（`vector<MatrixXf>`）

serialize_to_function 内部维护静态映射表，支持的激活函数名称为："linear"、"tanh"、"sigmoid"、"hard_sigmoid"、"relu"。

NetModel::LoadModel

cpp

bool NetModel::LoadModel(const NetParameter& net_parameter);

遍历 NetParameter 中的 layers 字段，根据 oneof_layers_case() 枚举值创建对应的 Layer 派生类实例，依次调用 Layer::Load 加载参数，最终将所有层按顺序存入 layers_ 向量。加载成功后设置 ok_ = true。

配置

模型配置通过 Protobuf 消息定义，主要包括：

NetParameter -- 顶层网络参数，包含网络名称、ID、层列表和性能指标（accuracy / recall / precision）
LayerParameter -- 层参数容器，通过 oneof 机制携带具体层类型参数（DenseParameter、Conv1dParameter、LSTMParameter 等）
TensorParameter -- 张量数据载体，包含 shape（维度列表）和 data（浮点数值列表）

LSTM 层的主要配置项：

字段	类型	默认值	说明
`units`	int	必填	LSTM 单元数
`return_sequences`	bool	false	是否返回全部时间步输出
`stateful`	bool	false	是否跨 batch 保持状态
`use_bias`	bool	true	是否使用偏置
`unit_forget_bias`	bool	true	是否初始化遗忘门偏置为 1
`activation`	string	`"tanh"`	细胞状态激活函数
`recurrent_activation`	string	`"hard_tanh"`	门控激活函数

调用关系

text

预测器 (Predictor)
  |
  v
NetModel::LoadModel(NetParameter)
  |-- 解析 Protobuf，创建 Layer 派生类实例
  |-- Layer::Load(LayerParameter)
  |     |-- 加载权重、偏置等参数 (LoadTensor)
  |     |-- 设置激活函数 (serialize_to_function)
  |
  v
NetModel::Run(inputs, output)
  |-- 顺序调用各 Layer::Run()
        |-- Dense::Run        -- 全连接前向计算
        |-- Conv1d::Run       -- 卷积前向计算
        |-- MaxPool1d::Run    -- 最大池化
        |-- AvgPool1d::Run    -- 平均池化
        |-- Activation::Run   -- 激活函数应用
        |-- BatchNormalization::Run -- 批归一化
        |-- LSTM::Run         -- LSTM 逐步推理 (Step)
        |     |-- Step()      -- 单步 LSTM 门控计算
        |-- Flatten::Run      -- 矩阵展平
        |-- Concatenate::Run  -- 输入拼接

所有层均通过 Eigen 矩阵运算完成前向计算，模型参数以 Protobuf 二进制格式持久化，推理过程无动态内存分配（参数在 Load 阶段一次性加载）。

贡献者

Steven Moder

页面历史

最后编辑于 5 天前

查看完整历史

Network ​

概述 ​

核心类 ​

Layer ​

派生层类型 ​

LSTM 状态管理 ​

NetModel ​

核心函数 ​

net_util 工具函数 ​

NetModel::LoadModel ​

配置 ​

调用关系 ​

贡献者