caffe基本构架

Caffe重视模块化设计，因为神经网络本质上是有相互连接的网络层构成，网络处理的数据块可以在网络层间前向和反向传递。接下来看看Caffe中的4大模块：

• Blob: 是Caffe的数据表示，隐藏了CPU/GPU存储申请和同步的细节（此功能由SyncedMemory实现），用来存储网络层间传递的数据以及学习到的网络参数。
• Layer: 是网络的基本结构单元，负责完成Blob中存储数据的前向和反向传递。
• Net: 是Caffe的神经网络表示，负责将网络中的各个Layers串联起来，构成有向无环图。
• Solver: 是Caffe神经网络优化的求解器，监控网络参数的更新，前向后向数据生成，协调神经网络的训练和测试，比如使用什么梯度下降算法以及具体参数设置，同时负责保存和恢复训练状态以及存储网络参数。

这4个模块的层次和复杂性从低到高，贯穿整个Caffe框架。刚开始阅读Caffe源码时，我觉得按照这个bottom-up的顺序比较好。

来自：http://imbinwang.github.io/blog/inside-caffe-code-overview