caffe源码简单解析——Blob（1）

使用caffe也有一段时间了，但更多是使用Python的接口，使用现有的ImageNet训练好的模型进行图片分类。为了更好的了解caffe这个框架，也为了提高自己的水平，在对卷积神经网络有了一些研究之后，终于开始研读caffe的源码了，今天看了Blob类的一些内容，做个总结。

看过caffe官方文档的话，应该会知道，它可以分为三层：Blob、Layer、Net。Blob是一个四维的数组，用于存储数据，包括输入数据、输出数据、权值等等；Layer层则是神经网络中具体的各层结构，主要是计算的作用，在根据配置文件初始化结构后，前向计算结果，反向更新参数，都是它要做的，而它的输入和输出都是Blob数据；Net的话，就是多个Layer组合而成的有向无环图结构，也就是具体的网络了。Layer和Net的代码有待深入，尤其是Layer的代码，caffe实现了差不多40种不同的Layer层，里面有不同的激活函数，这个要好好研究下。

Blob源码解析

#include "caffe/common.hpp"

#include "caffe/proto/caffe.pb.h"

#include "caffe/syncedmem.hpp"

#include "caffe/util/math_functions.hpp"

从blob.hpp包含的四个头文件入手，其中caffe.pb.h是google protocol buffer根据caffe.proto自动生成的，可以到src/caffe/proto/caffe.proto里看下caffe里面用到的各个数据的定义，比如BlobProto，Datum，NetParameter等。使用这个protocol buffer看起来确实方便，一方面可以用文本文件定义结构化的数据类型，另一方面可以生成查询效率更高、占空间更小的二进制文件，具体的教程可以看看这里。

在caffe/common.hpp，主要singleton化Caffe类，并封装了boost和CUDA随机数生成的函数，提供了统一的接口。而在caffe/syncedmem.hpp中，定义了以下的接口：

inline void CaffeMallocHost(void** ptr, size_t size)

inline void CaffeFreeHost(void* ptr)

主要是分配内存和释放内存的。而class SyncedMemory定义了内存分配管理和CPU与GPU之间同步的函数，也没啥特别的。

比较重要的是caffe/util/math_functions.hpp，这里面封装了很多cblas矩阵运算，真是密密麻麻，看的我眼花缭乱、如痴如醉。比如：

void caffe_cpu_gemm<float>(const CBLAS_TRANSPOSE TransA, constCBLAS_TRANSPOSE TransB, const int M, const int N, constint K, const float alpha, const float* A, constfloat* B, const float beta, float* C)

封装了cblas_sgemm(CblasRowMajor, TransA, TransB,M, N, K, alpha, A, lda, B, ldb, beta, C, N)，这个计算得到的结果为C=alphaAB+beta*C，也即是A和B两个矩阵的乘积。这里有详细的解释。

void caffe_cpu_gemv<float>(const CBLAS_TRANSPOSE TransA, constint M,  const int N,const float alpha, const float* A, const float*x, const float beta, float* y)

是对cblas_sgemv的封装，实现的矩阵与向量的乘积，结果为y=alphaAx+beta*y。

void caffe_axpy<float>(const int N, const floatalpha, const float* X, float* Y)

封装了cblas_saxpy，实现的是Y=alpha*X+Y

里面都是诸如此类的函数，基本是些矩阵和向量的一些处理函数。

回到blob类，里面定义了data_(),diff_()指针，用于存放数据，而num_,channel_, height_, width_则主要用来做定位offset和reshape处理。对于输入(n, c, h, w)位置的数据位置为((n*channels_+c)*height_+h)*width_+w，可以依据位置取data_()或diff_()中的数据。

对blob的理解还要结合caffe.proto里面BlobProto的定义：

message BlobProto {

   optional int32num = 1 [default = 0];

   optional int32channels = 2 [default = 0];

   optional int32height = 3 [default = 0];

   optional int32width = 4 [default = 0];

   repeated floatdata = 5 [packed = true];

   repeated floatdiff = 6 [packed = true];

}

对于BlobProto，可以看到定义了四个optional的int32类型的名字（name）num、channels、height和width，optional意味着Blob可以有一个或者没有这个参数，每个名字（name）后面都有一个数字，这个数字是其名字的一个标签。这个数字就是用来在生成的二进制文件中搜索查询的标签（怪不得会快呢^_^）。关于这个数字，1到15会花费1byte的编码空间，16到2047花费2byte。所以一般建议把那些频繁使用的名字的标签设为1到15之间的值～而后面的repeated意味着float类型的data和diff可以重复任意次，而加上[packed = true]是为了更高效的编码。

到这里基本上Blob就很清楚了，主要数据有两个data和diff，用num、channels、height和width这四个维度来确定数据的具体位置，做一些数据查询和Blobreshape的操作。

关于Blob就这么多内容，毕竟就是一个统一的数据存取接口，后续会重点读一下Layer的源码，毕竟各层的输入输出和计算更新过程都在里面，还需要补充一些相关的知识～～

目前的感受，是学到了一些封装的手法，可以看看封装cblas函数的那个文件，以及CPU和GPU一些接口的封装上；另一方面是对于Protocol Buffer有了一些了解，目前看起来确实方便，以后如果遇到类似的场景可以试着用一下～～