Caffe(二)——Caffe模块(Blob&Layer&Net&Solver) & Caffe model & Caffe源码 & Caffe配置文件

Caffe中的基本概念

 

Caffe模块包括4个部分

①Blob：Caffe中数据的封装，用于layer上流动

    Blob通常是四维连续数组，通常表示为(n,k,w,h)或(n, c, w ,h)，是基础的数据结构

    可表示输入输出数据，也可表示参数数据

②Layer：输入出、输出层、神经网络层的抽象

    Layer是网络基本单元，每一层类型定义了3种计算

• 初始化网络参数
• 前向传播
• 后向传播

③Net：神经网络的结构，将layer层叠关联起来

Net为无回路有向图

初始化函数

• 创建blobs和layers
• 调用layers和setup函数来初始化layers

④Solver：定义神经网络训练和测试参数

    创建训练网络和测试网络

    周期性的测试网络

    调用前向和反向函数进行的迭代优化和参数更新

    solver每轮迭代都会通过前向函数计算输出和损失（loss），还用反向传播来计算梯度

 

Caffe model

用于保存和恢复网络参数，后缀为.caffemodel

solver保存和恢复运行状态，后缀为.solverstate

 

Caffe源码解读

文件夹结构说明

 

核心代码文件夹

tools：保存的源码是用于生成二进制处理程序的，也是我们直接使用命令行训练时候的工具

include: Caffe的头文件.hpp，命名方式一般为网络名字开头

src: Caffe的源文件.cpp，.cu

 

src/caffe核心源码结构

 

Caffe配置文件

Caffe实战的必备文件

①solver.prototxt：配置模型训练的超参数

②train_val.prototxt：训练网络

③deploy.prototxt：测试网络