caffe源码阅读（一）---examples/cpp_classification/classification.cpp

前言：
这个一个使用C++代码进行分类的简单例子，为了让我们的应用更加广泛，还需要阅读tool/caffe.cpp
1.readme.md笔记
描述：
这个例子不支持过采样（oversampling of a single
sample）也不支持多个独立样本的批量处理（batching of multiple independent samples），这样是为了使得代码可读性更好。
编译：
会有个.bin文件

刚才运行了一下，发现利用C++生成的文件，是可以直接进行分类的。那么，需要思考的是，移植到板子上进行分类和直接在服务器上面进行分类，对于操作上有什么区别呢？
（1）速度肯定是服务器快
（2）板子上可以调用摄像头
（3）板子上是用的C++语言，而服务器上面也可以利用C++语言实现分类
（4）目前还没有我自己训练好的ResNet模型，这个需要我自己进行编写实现
2.预备
花了我一天时间，把C++primer的前七章看了一遍。浮光掠影，应该有点用吧。
3.classification.cpp
参考：caffe 中classification.cpp的源码注释
caffe学习：通过研读classification.cpp了解如何使用caffe模型这个人改写了一下，更容易理解了。还是这个写的最好，我也要用cmake
caffe源码c++学习笔记这个人好像是重新编写了一下，分成头文件，源文件了，挺好的，指的借鉴。

我的注释，有一些不理解的地方，再里面做了标记，回头功力深厚了再回来补。

#include <caffe/caffe.hpp>
#ifdef USE_OPENCV
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#endif  // USE_OPENCV
#include <algorithm>
#include <iosfwd>
#include <memory>
#include <string>
#include <utility>
#include <vector>

#ifdef USE_OPENCV //这里跟后面的#endif是一对
using namespace caffe;  // NOLINT(build/namespaces)
using std::string;

/* Pair (label, confidence) representing a prediction. */

typedef std::pair<string, float> Prediction; //Pair代表预测Prediction，Pair好像尖括号里面有两个类型
/*std::pair是一个结构模板，可以把两个不同类型的对象存放在一个单元中。
*更广泛的是std::tuple
*/
//定义了个Classifier的类
class Classifier {
   
	
 public: //公共部分
 
 //这个叫类的构造函数，用于初始化，需要提供模型配置，训练数据，均值，标签
  Classifier(const string& model_file,
             const string& trained_file,
             const string& mean_file,
             const string& label_file);

//Prediction是一种类型，定义了一个Classify函数，形参数img, 和整形N，返回值是Prediction类型
  std::vector<Prediction> Classify(const cv::Mat& img, int N = 5);
/*cv::Mat这个类挺复杂啊
*/
 private: //定义私有函数
 
  void SetMean(const string& mean_file); //这个SetMean函数，需要输入mean_file，看来就是均值化吧。

//基本上使用img作为输入的类型都是cv::Mat啊
  std::vector<float> Predict(const cv::Mat& img); //函数返回float类型的

//需要input_channels都是定义的<cv::Mat>*
  void WrapInputLayer(std::vector<cv::Mat>* input_channels); //输入是个指针？这个不太懂啊，应该是opencv里面的用法

  void Preprocess(const cv::Mat& img,
                  std::vector<cv::Mat>* input_channels); //预处理？需要img 和input_channels干嘛

 private: //定义私有变量，末尾加下划线
  shared_ptr<Net<float> > net_;   //
  /*std::shared_ptr 是通过指针保持对象共享所有权的智能指针
  */
  cv::Size input_geometry_;
  int num_channels_;
  cv::Mat mean_;
  std::vector<string> labels_;
};

//这个是干嘛的，类的作用于里面又有一个Classifier，这个是类之外了。
Classifier::Classifier(const string& model_file,
                       const string& trained_file,
                       const string& mean_file,
                       const string& label_file) {
     //注意这个花括号范围
#ifdef CPU_ONLY
  Caffe::set_mode(Caffe::CPU);
#else
  Caffe::set_mode(Caffe::GPU);
#endif

  /* Load the network. */
  net_.reset(new Net<float>(model_file, TEST)); //执行reset，这里不懂。。
  net_->CopyTrainedLayersFrom(trained_file);  //从trained_file复制Layers

//这两个也是用来检查的吗，检查输入输出必须只有一个
  CHECK_EQ(net_->num_inputs()