caffe入门：文件结构

caffe文件夹下的文件目录结构如下图： 
 

最重要的三个文件夹就是：

include：caffe的实现代码的头文件

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。

src：实现Caffe的源文件

读源码也就是主要读这三个文件夹，src文件的结构如下： 

在caffe教程中，介绍了caffe的三级结构(http://caffe.berkeleyvision.org/tutorial/net_layer_blob.html )：Blobs, Layers,Nets.如下图所示：（更多内容可以看caffe的官网：http://caffe.berkeleyvision.org/tutorial/） 

1. .  
2. ├── build -> .build_release  //编译结果存放处，.build_release不是一个目录找不到  
3. ├── cmake             //cmake编译用  
4. │   ├── External  
5. │   ├── Modules  
6. │   └── Templates  
7. ├── data               //存放原始数据以及数据获取脚本  
8. │   ├── cifar10      //存放cifar10小图片原始数据  
9. │   ├── ilsvrc12    //存放ImageNet Meta数据，原始数据要另外下载  
10. │   ├── mnist      //存放MNIST手写数字图像数据  
11. │   └── myself    //存放我的数据，自己建立的  
12. ├── distribute     //编译后生成发布包的位置，用于迁移  
13. │   ├── bin  
14. │   └── lib  
15. ├── docker        //用于迁移的工具  
16. │   ├── standalone  
17. │   │   ├── cpu  
18. │   │   └── gpu  
19. │   └── templates  
20. ├── docs        //doxygen工程文件放这里，可生成Caffe ref_man.pdf  
21. │   ├── images  
22. │   ├── _layouts  
23. │   ├── stylesheets  
24. │   └── tutorial  
25. │       └── fig  
26. ├── examples     //存放Caffe简单例程  
27. │   ├── cifar10   //存放cifar10例程   
28. │   ├── cpp_classification   //图像分类例程  
29. │   ├── feature_extraction  //特征提取例程  
30. │   ├── finetune_flickr_style   //finetune例程  
31. │   ├── finetune_pascal_detection  //finetune例程  
32. │   ├── hdf5_classification     //使用HDF5的分类例程  
33. │   ├── imagenet           //Imagenet例程，使用bvlc_reference_caffenet  
34. │   ├── images        
35. │   ├── mnist     //mnist手写字符识别例程  
36. │   │   ├── mnist_test_lmdb  
37. │   │   └── mnist_train_lmdb  
38. │   ├── myself  
39. │   │   ├── ilsvrc12_train_lmdb  
40. │   │   └── ilsvrc12_val_lmdb  
41. │   ├── net_surgery  
42. │   ├── pycaffe  
43. │   │   └── layers  
44. │   ├── siamese  
45. │   ├── _temp  
46. │   │   └── features  
47. │   └── web_demo   //一个Web Server +分类例程  
48. │       └── templates  
49. ├── include            //Caffe头文件集中存放目录  
50. │   └── caffe  
51. │       ├── layers  
52. │       ├── test  
53. │       └── util  
54. ├── matlab      //Matlab做Wrapper，具体参考RCNN源码  
55. │   ├── +caffe  
56. │   │   ├── imagenet  
57. │   │   ├── private  
58. │   │   └── +test  
59. │   ├── demo  
60. │   └── hdf5creation  
61. ├── models   //存放示例模型  
62. │   ├── bvlc_alexnet   //Alexnet模型  
63. │   ├── bvlc_googlenet  //GoogleNet  
64. │   ├── bvlc_reference_caffenet  //caffe模拟的Alexnet模型  
65. │   ├── bvlc_reference_rcnn_ilsvrc13 //Rcnn模型  
66. │   └── finetune_flickr_style  
67. ├── python               //用于Python wrapper  
68. │   └── caffe  
69. │       ├── imagenet  
70. │       ├── proto  
71. │       └── test  
72. ├── scripts     //一些文档和数据用到的脚本  
73. │   └── travis  
74. ├── src          //caffe源码  
75. │   ├── caffe     
76. │   │   ├── layers  //各个层具体实现  
77. │   │   ├── proto   //即所谓的“Protobuf”，帮助caffe提速描述文集，学习数据结果先从这里开始  
78. │   │   ├── solvers //优化方法类Solver  
79. │   │   ├── test  
80. │   │   │   └── test_data  
81.   
82. │   │   └── util  //数据转换时用的一些代码。caffe速度快，很大程度得益于内存设计上的优化（blob数据结构采用proto）  
83.   
84.                           //  和对卷积的优化（部分与im2col相关）及cudnn加速  
85. │   └── gtest  
86. └── tools       //常用学习源码  
87.     └── extra