Caffe框架整理

最新推荐文章于 2023-05-22 10:53:48 发布

志小

最新推荐文章于 2023-05-22 10:53:48 发布

阅读量808

点赞数 1

分类专栏：深度学习 Caffe 文章标签： Caffe

本文链接：https://blog.csdn.net/JACK_YOUNG007/article/details/89087598

版权

Caffe是一个专注于图像处理的工业级深度学习框架，由C++和Python实现。本文介绍了Caffe的优点、局限性，详细解析了其目录结构、核心代码、三级结构（Blob、Layer、Net）以及Blob的详细数据结构。此外，还讨论了Caffe的Layer类型和Net结构，以及Solver优化算法在Caffe中的作用。

摘要由CSDN通过智能技术生成

引言

Caffe 全称Convolutional Architecture for Fast Feature Embedding，是一个计算 CNN 相关算法的框架，用C++ 和 Python实现的。

Caffe 的优点与局限性：

优点：第一个主流的工业级深度学习工具；专精于图像处理

局限性：它有很多扩展，但是由于一些遗留的架构问题，不够灵活且对递归网络和语言建模的支持很差；基于层的网络结构，其扩展性不好，对于新增加的层，需要自己实现（forward, backward and gradient update）

Caffe 目录结构（2016年VS2019年）

--data/ 用于存放下载的训练数据

--docs/ 帮助文档

--examples/ 代码样例

--matlab/ MATLAB接文件

--python/ PYTHON接文件

--models/ 一些配置好的模型参数

--scripts/ 一些文档和数据会用到的脚本核心代码

--tools/ 保存的源码是用于生成二进制处理程序的，caffe 在训练时实际是直接调用这些二进制文件

--include/ Caffe 的实现代码的头文件

--src/ 实现Caffe 的源文件

$ tree -d   （2019年）
.
├── cmake                               //cmake编译时会用到<非后续重点学习>
│   ├── External
│   ├── Modules
│   └── Templates
├── data                                //存放原始数据或数据获取方式的脚本文件
│   ├── cifar10                         //cifar10数据集
│   ├── ilsvrc12                        //ImageNet数据集
│   └── mnist                           //mnist手写数字数据
├── docker                              //Docker工具便于迁移<非后续重点学习>
│   ├── cpu
│   └── gpu
├── docs                                //doxygen工程文件放在这里<非后续重点学习>
│   ├── _layouts
│   ├── images
│   ├── stylesheets
│   └── tutorial
│       ├── fig
│       └── layers
├── examples                            //caffe的简单例程
│   ├── cifar10
│   ├── cpp_classification
│   ├── feature_extraction
│   ├── finetune_flickr_style
│   ├── finetune_pascal_detection
│   ├── hdf5_classification
│   ├── imagenet
│   ├── images
│   ├── mnist
│   ├── net_surgery
│   ├── pycaffe
│   │   └── layers
│   ├── siamese
│   └── web_demo
│       └── templates
├── include                             //caffe的头文件主要放在此目录下<后续学习的重点>
│   └── caffe
│       ├── layers
│       ├── test
│       └── util
├── matlab