ncnn源码分析-003-net

1.结构信息

net是ncnn的核心部分，起着组织整个框架结构的作用，捋顺net的结构，基本上对ncnn的代码框架也就有一个大概的了解了。首先看一下net的类结构信息。

class Net
{
public:
    int usewinograd_convolution; //是否使用winograd进行卷积
    int use_sgemm_convolution; //是否使用矩形乘法的形式进行卷积
    int use_int8_inference; //是否使用int8进行推断
    int use_vulkan_compute; //是否使用gpu
    
    int load_param(FILE *fp); //从参数文件中读取网络结构
    int load_model(FILE *fp); //从模型文件中读取模型参数
    Extractor create_extractor(); //net中的另一个类Extractor
protected:
    std::vector<Blob> blobs;//网络的所有blob，但是不包含blob的具体数据（nchw维数据）
    std::vector<Layer*> layers;//网络的所有层指针
    
    int forward_layer(int layer_index, std::vector<Mat> &blob_mats, Options &opt);
    int find_blob_index_by_name(const char* name); //通过blob名字查找blobs里的index
    int find_layer_index_by_name(const char *name); //通过layer名字确定layer的索引
}

class Extractor
{
public:
    int Extractor::input(const char *blob_name, const Mat &in);
    int Extractor::input(int blob_index, VkMat &feat, VkCompute &cmd);
    int Extractor::extract(const char *blob_name, Mat &feat);
    int Extractor::extract(blob_index, const Mat &feat);//次函数直接forward_layer()

private:
    const Net *net;
    std::vector<Mat> blob_mats; // 该结构体是blob的真正数据存放
    Option opt;
}

2.forward_layer

• forwar_layer有两个主要输入参数，分别是layer_index和blob_mats
  layer_index:要提取的blob的生产者
  blob_mats：整个网络中所有blob的真正数据
  首先根据layer_index找到对应layer，然后提取该layer的bottom_index和top_index，再根据bottom_index找到对应的blob，最后找到该blob的生产者，也就是上一层，进入递归调用。直到找到网络的第一层。
• 入栈过程工作是从后往前找：layer_index——>bottom_blob——>bottom.producer（layer_index）不断找当前层的前一层，终止条件是bottom_blob维度不等于0
• 出栈是从前往后一次执行layer的类成员函数layer->forward(bottom_blob, top_blob,opt)：第一层的的输入是数据，得到输出，再作为下一层的输入，依次出栈，bottom_blob_index和top_blob_index是在入栈时候确定好的。