# layer Layer 구조체 입니다. ```c struct layer{ LAYER_TYPE type; ACTIVATION activation; COST_TYPE cost_type; void (*forward) (struct layer, struct network); void (*backward) (struct layer, struct network); void (*update) (struct layer, update_args); int batch_normalize; int shortcut; int batch; int forced; int flipped; int inputs; int outputs; int nweights; int nbiases; int extra; int truths; int h,w,c; /// input height, width, channel int out_h, out_w, out_c; /// output height, width, channel int n; /// number of filter(= output channel) int max_boxes; int groups; int size; /// kernel size int side; int stride; int reverse; int flatten; int spatial; int pad; int sqrt; int flip; int index; int binary; int xnor; int steps; int hidden; int truth; float smooth; float dot; float angle; float jitter; float saturation; float exposure; float shift; float ratio; float learning_rate_scale; float clip; int noloss; int softmax; int classes; int coords; int background; int rescore; int objectness; int joint; int noadjust; int reorg; int log; int tanh; int *mask; int total; float alpha; float beta; float kappa; float coord_scale; float object_scale; float noobject_scale; float mask_scale; float class_scale; int bias_match; int random; float ignore_thresh; float truth_thresh; float thresh; float focus; int classfix; int absolute; int onlyforward; int stopbackward; int dontload; int dontsave; int dontloadscales; int numload; float temperature; float probability; float scale; char * cweights; int * indexes; int * input_layers; int * input_sizes; int * map; int * counts; float ** sums; float * rand; float * cost; float * state; float * prev_state; float * forgot_state; float * forgot_delta; float * state_delta; float * combine_cpu; float * combine_delta_cpu; float * concat; float * concat_delta; float * binary_weights; float * biases; float * bias_updates; float * scales; float * scale_updates; float * weights; float * weight_updates; float * delta; float * output; float * loss; float * squared; float * norms; float * spatial_mean; float * mean; float * variance; float * mean_delta; float * variance_delta; float * rolling_mean; float * rolling_variance; float * x; float * x_norm; float * m; float * v; float * bias_m; float * bias_v; float * scale_m; float * scale_v; float *z_cpu; float *r_cpu; float *h_cpu; float * prev_state_cpu; float *temp_cpu; float *temp2_cpu; float *temp3_cpu; float *dh_cpu; float *hh_cpu; float *prev_cell_cpu; float *cell_cpu; float *f_cpu; float *i_cpu; float *g_cpu; float *o_cpu; float *c_cpu; float *dc_cpu; float * binary_input; struct layer *input_layer; /// rnn input layer struct layer *self_layer; /// rnn self layer struct layer *output_layer; /// rnn output layer struct layer *reset_layer; struct layer *update_layer; struct layer *state_layer; struct layer *input_gate_layer; struct layer *state_gate_layer; struct layer *input_save_layer; struct layer *state_save_layer; struct layer *input_state_layer; struct layer *state_state_layer; struct layer *input_z_layer; struct layer *state_z_layer; struct layer *input_r_layer; struct layer *state_r_layer; struct layer *input_h_layer; struct layer *state_h_layer; struct layer *wz; struct layer *uz; struct layer *wr; struct layer *ur; struct layer *wh; struct layer *uh; struct layer *uo; struct layer *wo; struct layer *uf; struct layer *wf; struct layer *ui; struct layer *wi; struct layer *ug; struct layer *wg; tree *softmax_tree; size_t workspace_size; }; ``` * `type`: 레이어의 종류를 나타내는 열거형(enum) 변수 * `activation`: 활성화 함수를 나타내는 열거형 변수 * `cost_type`: 비용 함수를 나타내는 열거형 변수 * `forward`: 레이어의 순전파(forward propagation) 연산을 수행하는 함수 포인터 * `backward`: 레이어의 역전파(backward propagation) 연산을 수행하는 함수 포인터 * `update`: 레이어의 가중치(weight)와 편향(bias) 값을 업데이트하는 함수 포인터 * `batch_normalize`: 배치 정규화(batch normalization)를 수행할지 여부를 나타내는 정수 변수 * `shortcut`: shortcut 연결을 사용할지 여부를 나타내는 정수 변수 * `batch`: 미니배치 크기를 나타내는 정수 변수 * `forced`: 강제로 레이어를 수행할지 여부를 나타내는 정수 변수 * `flipped`: 입력 데이터를 뒤집어서 사용할지 여부를 나타내는 정수 변수 * `inputs`: 레이어의 입력 개수를 나타내는 정수 변수 * `outputs`: 레이어의 출력 개수를 나타내는 정수 변수 * `nweights`: 가중치(weight)의 개수를 나타내는 정수 변수 * `nbiases`: 편향(bias)의 개수를 나타내는 정수 변수 * `extra`: 추가 파라미터 값의 개수를 나타내는 정수 변수 * `truths`: 레이블(label) 데이터의 개수를 나타내는 정수 변수 * `h,w,c`: 입력 데이터의 높이, 너비, 채널(channel)을 나타내는 정수 변수 * `out_h, out_w, out_c`: 출력 데이터의 높이, 너비, 채널을 나타내는 정수 변수 * `n`: 필터(filter)의 개수(출력 채널 수)를 나타내는 정수 변수 * `max_boxes`: bounding box의 최대 개수를 나타내는 정수 변수 * `groups`: 그룹 수를 나타내는 정수 변수 * `size`: 컨볼루션(kernel)의 크기를 나타내는 정수 변수 * `side`: max pooling 연산의 윈도우 크기를 나타내는 정수 변수 * `stride`: 스트라이드(stride) 크기를 나타내는 정수 변수 * `reverse`: RNN 레이어에서 시퀀스의 역순으로 처리할지 여부를 나타내는 플래그 * `flatten`: 입력 데이터를 1차원 벡터로 평탄화할지 여부를 나타내는 플래그 * `spatial`: 컨볼루션 레이어에서 공간적인 정보를 유지할지 여부를 나타내는 플래그 * `pad`: 입력 데이터 주변에 패딩을 추가할 크기를 나타내는 값 * `sqrt`: 배치 정규화 계층에서 분산에 더해줄 작은 값으로, 분산이 0이 되는 것을 방지 * `flip`: 이미지를 수평으로 뒤집을지 여부를 나타내는 플래그 * `index`: 컨볼루션 레이어에서 사용할 필터의 인덱스 * `binary`: 이진 분류를 위한 활성화 함수 사용 여부를 나타내는 플래그 * `xnor`: XNOR-Networks를 위한 플래그 * `steps`: RNN 레이어에서 시퀀스의 길이 * `hidden`: RNN 레이어에서 숨겨진 상태의 차원 수 * `truth`: YOLO 계열의 레이어에서 참값의 크기 * `smooth`: 경사 하강법에서 사용할 스무딩 계수 * `dot`: 배치 정규화 계층에서 공분산을 계산할 때 사용되는 값 * `angle`: RoI Pooling 레이어에서 RoI를 회전시키는 각도 * `jitter`: 데이터 확장을 위한 이미지의 크기 변화 폭을 나타내는 값 * `saturation`: 데이터 확장을 위한 채도 변화 폭을 나타내는 값 * `exposure`: 데이터 확장을 위한 밝기 변화 폭을 나타내는 값 * `shift`: 데이터 확장을 위한 이미지 이동 변화 폭을 나타내는 값 * `ratio`: 데이터 확장을 위한 이미지 비율 변화 폭을 나타내는 값 * `learning_rate_scale`: 가중치 업데이트 시 학습률을 곱할 스케일 값을 나타내는 값 * `clip`: 경사 하강법에서 사용할 기울기 클리핑 임계값 * `noloss`: 손실이 없는 레이어인지 여부 * `softmax`: 소프트맥스 레이어인지 여부 * `classes`: 분류해야 할 클래스의 개수 * `coords`: 바운딩 박스 좌표의 개수 * `background`: 배경 클래스가 존재하는지 여부 * `rescore`: bbox의 신뢰도를 다시 계산하는지 여부 * `objectness`: bbox의 objectness를 계산하는지 여부 * `joint`: 다른 레이어와 연결되는지 여부 * `noadjust`: 학습 가능한 파라미터가 있는지 여부 * `reorg`: Reorg 레이어인지 여부 * `log`: 로그 레이어인지 여부 * `tanh`: 하이퍼볼릭 탄젠트 레이어인지 여부 * `mask`: 마스크 배열 * `total`: 마스크 배열의 총 길이 * `alpha`: 경사 하강법의 학습률 * `beta`: 경사 하강법의 모멘텀 계수 * `kappa`: RPN 레이어의 균형 매개변수 * `coord_scale`: bbox 좌표의 손실 가중치 * `object_scale`: bbox objectness의 손실 가중치 * `noobject_scale`: bbox non-objectness의 손실 가중치 * `mask_scale`: 마스크의 손실 가중치 * `class_scale`: 클래스의 손실 가중치 * `bias_match`: 바이어스를 맞추는지 여부 * `random`: 무작위로 초기화하는지 여부 * `ignore_thresh`: 무시 임계값 * `truth_thresh`: 진실 임계값 * `thresh`: 임계값 * `focus`: focal loss 매개변수 * `classfix`: 클래스 인덱스 매핑 매개변수 * `absolute`: 절대값을 사용하는지 여부 * `onlyforward`: 순전파만 수행하는지 여부 * `stopbackward`: 역전파를 중지하는지 여부 * `dontload`: 레이어의 가중치를 로드하지 않는지 여부 * `dontsave`: 레이어의 가중치를 저장하지 않는지 여부 * `dontloadscales`: 레이어의 스케일을 로드하지 않는지 여부 * `numload`: 가중치를 로드한 횟수 * `temperature`: Softmax 온도 * `probability`: 드롭아웃 확률 * `scale`: 배치 정규화 매개변수 * `cweights`: 클래스 가중치 파일 이름 * `indexes`: 인덱스 배열 * `input_layers`: 현재 레이어에 입력으로 들어오는 레이어의 인덱스 배열 * `input_sizes`: 입력 레이어의 크기 배열 * `map`: 이전 레이어와 현재 레이어 간의 매핑 정보 * `counts`: 이전 레이어와 현재 레이어 간의 매핑 정보에 따른 각각의 노드 수 * `sums`: 이전 레이어와 현재 레이어 간의 매핑 정보에 따른 가중치 합 * `rand`: 무작위 값 * `cost`: 비용 * `state`: 현재 레이어의 상태 값 * `prev_state`: 이전 레이어의 상태 값 * `forgot_state`: 현재 레이어에서 사용되는 이전 레이어의 상태 값 * `forgot_delta`: 현재 레이어에서 사용되는 이전 레이어의 상태 값의 변화량 * `state_delta`: 현재 레이어의 상태 값의 변화량 * `combine_cpu`: 두 레이어를 결합하기 위한 값 * `combine_delta_cpu`: 결합한 레이어의 변화량 * `concat`: 레이어를 연결하기 위한 값 * `concat_delta`: 연결한 레이어의 변화량 * `binary_weights`: 이진 가중치 * `biases`: 편향 값 * `bias_updates`: 편향 값의 업데이트 * `scales`: 스케일 값 * `scale_updates`: 스케일 값의 업데이트 * `weights`: 가중치 값 * `weight_updates`: 가중치 값의 업데이트 * `delta`: 오차 값 * `output`: 출력 값 * `loss`: 손실 값 * `squared`: 제곱 값 * `norms`: 노름 값 * `spatial_mean`: 공간 평균 값 * `mean`: 평균 값 * `variance`: 분산 값 * `mean_delta`: 평균 값의 변화량 * `variance_delta`: 분산 값의 변화량 * `rolling_mean`: 이동 평균 값 * `rolling_variance`: 이동 분산 값 * `x`: 입력 값 * `x_norm`: 정규화된 입력 값 * `m`: 이동 평균 * `v`: 이동 분산 * `bias_m`: 편향 이동 평균 * `bias_v`: 편향 이동 분산 * `scale_m`: 배치 정규화(Batch Normalization)에서 사용되는 moving mean * `scale_v`: 배치 정규화에서 사용되는 moving variance * `z_cpu, r_cpu, h_cpu, prev_state_cpu`: LSTM 네트워크의 게이트를 구성하는 변수들 * `temp_cpu, temp2_cpu, temp3_cpu`: 임시 저장용 변수들 * `dh_cpu, hh_cpu, prev_cell_cpu, cell_cpu, f_cpu, i_cpu, g_cpu, o_cpu, c_cpu, dc_cpu`: LSTM 네트워크의 셀(Cell)을 구성하는 변수들 * `binary_input`: 이진(Binary) 입력값 * `input_layer, self_layer, output_layer`: RNN(Recurrent Neural Network) 구조에서 사용되는 입력 레이어, 자기 순환 레이어, 출력 레이어 * `reset_layer, update_layer, state_layer`: LSTM 네트워크에서 사용되는 reset, update, state 게이트를 구성하는 레이어 * `input_gate_layer, state_gate_layer, input_save_layer, state_save_layer, input_state_layer, state_state_layer`: LSTM 네트워크에서 사용되는 게이트와 셀을 구성하는 레이어 * `input_z_layer, state_z_layer, input_r_layer, state_r_layer, input_h_layer, state_h_layer`: LSTM 네트워크의 게이트를 구성하는 레이어 * `wz, uz, wr, ur, wh, uh, uo, wo, uf, wf, ui, wi, ug, wg`: LSTM 네트워크에서 사용되는 가중치와 편향 * `softmax_tree`: Softmax 함수에서 사용되는 트리(Tree) 구조 * `workspace_size`: 사용 가능한 메모리 공간의 크기