Update add_caffe_custom_layer.md

add_caffe_custom_layer.md

 ## 如何转换Caffe自定义Layer
 
-本文档介绍如何将Caffe自定义Layer转换为PaddlePaddle模型中的对应实现, 用户可根据自己需要，添加代码实现自定义层，从而支持模型的完整转换。
+本文档介绍如何将Caffe自定义Layer转换为PaddlePaddle模型中的对应实现, 用户可根据自己需要，添加代码实现自定义层，从而支持模型的完整转换。            
+***步骤一 下载代码***        
+此处涉及修改源码，应先卸载x2paddle，并且下载源码，主要有以下两步完成：
+```
+pip uninstall x2paddle
+pip install git+https://github.com/PaddlePaddle/X2Paddle.git@develop
+```
+
+***步骤二 编译caffe.proto***   
+该步骤依赖protobuf编译器，其安装过程有以下两种方式：
+> 选择一：pip install protobuf          
+> 选择二：使用[官方源码](https://github.com/protocolbuffers/protobuf)进行编译
 
-***步骤一 编译caffe.proto***    
 使用脚本./tools/compile.sh将caffe.proto（包含所需的自定义Layer信息）编译成我们所需的目标语言（Python）         
 使用方式：
 ```
@@ -10,53 +20,55 @@ bash ./toos/compile.sh /home/root/caffe/src/caffe/proto
 # /home/root/caffe/src/caffe/proto为caffe.proto的存放路径，生成的caffe_pb2.py也将保存在该路径下
 ```
 
-***步骤二 添加自定义Layer的实现代码***
-- 进入./x2paddle/op_mapper/caffe_custom_layer，创建实现代码的文件，例如mylayer.py
-- 仿照./x2paddle/op_mapper/caffe_custom_layer中的其他文件，在mylayer.py中主要实现3个函数：
-  1. `def mylayer_shape(input_shape, ...)`  
-  
-    |    参数     | 类型 | 说明 |
-    | :---------: | :--: | :---------: |
-    | input_shape | list | 每个元素代表该层每个输入数据的shape |
-    | 其余 | 默认为None | 命名为Caffe模型的model.prototxt中mylayer_param中每个参数的名字 |
-
-     功能：计算出mylayer的输出shape         
-     返回：一个list，其中每个元素代表每个输出数据的shape     
+***步骤三 添加自定义Layer的实现代码***
+- 进入./x2paddle/op_mapper/caffe_custom_layer，创建.py文件，例如mylayer.py
+- 仿照./x2paddle/op_mapper/caffe_custom_layer中的其他文件，在mylayer.py中主要需要实现3个函数，下面以roipooling.py为例分析代码：
+  1. `def roipooling_shape(input_shape, pooled_w=None, pooled_h=None)`  
+     参数：
+     1. input_shape（list）：其中每个元素代表该层每个输入数据的shape，为必须传入的参数   
+     2. pooled_w（int）：代表ROI Pooling的kernel的宽，其命名与.prototxt中roi_pooling_param中的key一致
+     3. pooled_h（int）：代表ROI Pooling的kernel的高，其命名与.prototxt中roi_pooling_param中的key一致          
      
-  2. `def mylayer_layer(inputs, input_shape=None, name=None, ...)` 
-  
-    |    参数     | 类型 | 说明 |
-    | :---------: | :--: | :---------: |
-    | inputs | list | 每个元素代表该层每个输入数据 |
-    | input_shape | list(默认为None) | 每个元素代表该层每个输入数据的shape |
-    | name | str(默认为None) | mylayer的名字 |
-    | 其余 | 默认为None | 命名为Caffe模型的model.prototxt中mylayer_param中每个参数的名字 |  
+     功能：计算出进行ROI Pooling后的shape         
+     返回：一个list，其中每个元素代表每个输出数据的shape，由于ROI Pooling的输出数据只有一个，所以其list长度为1     
+     
+  2. `def roipooling_layer(inputs, input_shape=None, name=None, pooled_w=None, pooled_h=None, spatial_scale=None)` 
   
-     功能：运用PaddlePaddle完成组网来实现`mylayer`的功能         
-     返回：一个Variable或Tensor，为组网后的结果
+     参数：
+     1. inputs（list）：其中每个元素代表该层每个输入数据，为必须传入的参数
+     2. input_shape（list）：其中每个元素代表该层每个输入数据的shape，为必须传入的参数  
+     3. name（str）：ROI Pooling层的名字，为必须传入的参数  
+     4. pooled_w（int）：代表ROI Pooling的kernel的宽，其命名与.prototxt中roi_pooling_param中的key一致
+     5. pooled_h（int）：代表ROI Pooling的kernel的高，其命名与.prototxt中roi_pooling_param中的key一致
+     6. spatial_scale（float）：用于将ROI坐标从输入比例转换为池化时使用的比例，其命名与.prototxt中roi_pooling_param中的key一致            
+     
+     功能：运用PaddlePaddle完成组网来实现`roipooling_layer`的功能         
+     返回：一个Variable，为组网后的结果
     
-  3. `def mylayer_weights(name, data=None)`  
-  
-    |    参数     | 类型 | 说明 |
-    | :---------: | :--: | :---------: |
-    | name | str | mylayer的名字 |
-    | data | list(默认为None) | 由Caffe模型的model.caffemodel获得的关于mylayer的参数 |
+  3. `def roipooling_weights(name, data=None)`  
+
+     参数：
+     1. name（str）：ROI Pooling层的名字，为必须传入的参数
+     2. data（list）：由Caffe模型.caffemodel获得的关于roipooling的参数，roipooling的参数为None
   
      功能：为每个参数（例如kernel、bias等）命名；同时，若Caffe中该层参数与PaddlePaddle中参数的格式不一致，则变换操作也在该函数中实现。     
      返回：一个list，包含每个参数的名字。
      
-- 在mylayer.py中注册`mylayer`，主要运用下述代码实现：
+- 在roipooling.py中注册`roipooling`，主要运用下述代码实现：
   ```
-  register(kind='Mylayer', shape=mylayer_shape, layer=mylayer_layer, weights=mylayer_weights)
-  # kind为在model.prototxt中mylayer的type
+  register(kind='ROIPooling', shape=roipooling_shape, layer=roipooling_layer, weights=roipooling_weights)
+  # kind为在model.prototxt中roipooling的type
   ```
 - 在./x2paddle/op_mapper/caffe_custom_layer/\_\_init\_\_.py中引入该层的使用
   ```
-  from . import mylayer
+  from . import roipooling
   ```
   
 ***步骤三 运行转换代码***
 ```
+# 在X2Paddle目录下安装x2paddle
+python setup.py install
+# 运行转换代码
 x2paddle --framework=caffe 
          --prototxt=deploy.proto 
          --weight=deploy.caffemodel