caffe中Blob数据结构

最新推荐文章于 2021-03-22 21:52:54 发布

Buyi_Shizi

最新推荐文章于 2021-03-22 21:52:54 发布

阅读量5.5k

点赞数 3

分类专栏： Deep Learning 文章标签： caffe Blob

本文链接：https://blog.csdn.net/Buyi_Shizi/article/details/51506853

版权

Deep Learning 专栏收录该内容

20 篇文章 0 订阅

订阅专栏

Blob是Caffe中用于存储网络数据的基本单元，包含数据成员如diff_（梯度）、shape_（描述数据维度）等。Blob以batch为单位存储，通过四个参数num、channels、height和width进行寻址。Reshape函数用于内存调整，cpu_data()和cpu_diff()提供只读数据访问，而mutable_cpu_data()和mutable_cpu_diff()允许修改数据。此外，ShareData和ShareDiff实现数据共享。

摘要由CSDN通过智能技术生成

Blob数据结构是caffe中基本的数据存储单元，它主要存储的数据是网络中的中间数据变量，比如各层的输入和输出；代价函数关于网络各层参数的梯度。为什么要专门为数据设计一个存储结构，我的理解是这样保证的网络中的数据存储结构的统一性，由于网络中每个网络的计算过程都是相似的，所以如果能把数据存储也统一起来，使得整个程序也就很有结构。

1，Blob中除了存储重要的数据之外，还有一些标记数据的参数，下面就罗列一下Blob中的数据成员：

protected:
  shared_ptr<SyncedMemory> data_;
  shared_ptr<SyncedMemory> diff_;
  shared_ptr<SyncedMemory> shape_data_;
  vector<int> shape_;
  int count_;
  int capacity_;

data_：表示网络各层的输入和输出；

diff_：表示代价函数相对于各层参数的梯度；

shape_：是一个可变数组，shape_中主要存储4个变量：num表示一个batch中的样本数量，从这我们可以看出Blob的存储是以batch为基本单位的；chennels表示对应层的通道，比如卷积层有20个卷积核，channels的值就是20；height和width就表示单个数据的尺寸，可能是一副图像的尺寸，也可能表示卷积核的尺寸，在每一层所代表的含义也不相同。

count_：表示这个Blob里已经存储的元素的个数；

capacity_：表示这个Blob的容量;

网上说可以把Blob看作一个四维的数组，其实是可以从这个角度看，但是本质上Blob还是一维的存储结构，只不过是利用四个参数来进行寻址（shape_里的四个参数）。所以说Blob其实并不是含有什么复杂的结构。

2，Blob中除了数据成员之外，也有很多用于操作数据的函数成员，下面就说几个比较重要的：

void Blob<Dtype>::Reshape()：这个函数是在原来分配的内存不够的情况下重新分配内存。

const Dtype* Blob<Dtype>::cpu_data()：这个是获取Blob结构体中的data_数据的指针，同时限制不能对返回的指针指向的内容进行更改。

const Dtype* Blob<Dtype>::cpu_diff()：这个是获取Blob结构体中的diff_数据的指针，同时限制不能对返回的指针指向的内容进行更改。

Dtype* Blob<Dtype>::mutable_cpu_data()：获取Blob结构体中的data_数据的指针，同时可以对指针指向的内容更改。

Dtype* Blob<Dtype>::mutable_cpu_diff()：获取Blob结构体中的diff_数据的指针，同时可以对指针指向的内容更改。

void Blob<Dtype>::ShareData(const Blob& other)：让其他Blob的data_数据和当前Blob共享。

void Blob<Dtype>::ShareDiff(const Blob& other)：让其他Blob的diff_和当前的Blob共享。

这就是关于Blob的主要内容，关于Blob中的SyncedMemory数据类型，这里不深究，现在只知道data_和diff_都是使用这种数据类型构造数据。