Caffe 初始化流程理解（数据流建立）

本文是作者原创，如有理解错误，恳请大家指出，如需引用，请注明出处。

Caffe FeatureMap数据流的建立

用语解释

• FeatureMap: 输入的图片信息或者经过多层处理后的图片信息。
• weights: 只针对卷积层存在的权重系数。
• caffe :文中提到的caffe均指caffed1.0,如果使用caffe2.0会特别指出。

在讲解FeatureMap的数据流之前，首先需要明确一下caffe的大体结构，caffe的整体逻辑结构分为3层，分别是Net,Layer和Blob，分别的作用如下：
* Net: 该层处于CAFFE的最顶层，主要负责对模型文件的读写，根据模型文件的内容建立相应的Layer，填充对应层的数据并进行相关的调用。
* Layer: 该层是实际的执行单元，常见的如卷积层，Pooling层都是处于这一逻辑层。
* Blob:该层是一个内存管理的模块，为Layer和Net提供相应的存储空间，屏蔽上层对于内存分配，CPU,GPU切换的感知。

由上面的讲解分层关系不难看出，FeatureMap在整个Caffe框架中，不属于任何一个Layer，所以它被最顶层的Net层所持有。Net层就需要能够通过caffe的模型文件推倒出每一层所依赖的输入，这样才能构建出一个完整的数据链。在这种需求下Caffe引入了两个定义：
* bottom: Layer的输入数据。
* top: Layer的输出数据。
具体的形式如下图（单输入和多输入的情形）：