最近趁着这段时间,想对caffe的学习做一个总结。先从caffe的结构目录看起,$tree -d,
.
├── cmake//cmake编译
│ ├── External
│ ├── Modules
│ └── Templates
├── data//存放原始数据获取的脚本
│ ├── cifar10
│ ├── ilsvrc12
│ └── mnist
├── docker//?
│ ├── standalone
│ │ ├── cpu
│ │ └── gpu
│ └── templates
├── docs//?
│ ├── images
│ ├── _layouts
│ ├── stylesheets
│ └── tutorial
│ └── fig
├── examples//样例
│ ├── cifar10
│ ├── cpp_classification//图像分类,简单调用模型进行分类,
│ ├── feature_extraction//特征提取,显示中间层特征图
│ ├── finetune_flickr_style//超参微调
│ ├── finetune_pascal_detection//测试?
│ ├── hdf5_classification//HDF5的分类样例
│ ├── imagenet
│ ├── images
│ ├── mnist//手写字网络
│ ├── net_surgery//一个卷积的样例,一个全卷积的样例
│ ├── pycaffe
│ │ └── layers
│ ├── siamese
│ └── web_demo
│ └── templates
├── include//头文件
│ └── caffe
│ ├── layers
│ ├── test
│ └── util
├── matlab//matlab接口,跑RCNN用的matcaffe
│ ├── +caffe
│ │ ├── imagenet
│ │ ├── private
│ │ └── +test
│ ├── demo
│ └── hdf5creation
├── models//存放样例模型
│ ├── bvlc_alexnet//alexnet模型,LRN?
│ ├── bvlc_googlenet利用inception结构
│ ├── bvlc_reference_caffenet
│ ├── bvlc_reference_rcnn_ilsvrc13
│ └── finetune_flickr_style
├── python//python接口文件
│ └── caffe
│ ├── imagenet
│ └── test
├── scripts
│ └── travis
├── src//实现的源文件
│ ├── caffe
│ │ ├── layers
│ │ ├── proto
│ │ ├── solvers
│ │ ├── test
│ │ │ └── test_data
│ │ └── util
│ └── gtest
└── tools//保存的源码用于生成二进制处理程序
└── extra
在src下修改源码(如果有需求,比如把输入三通道RGB图像改为四通道RGB-D图像,就需要改下输入)。接下来从caffe.cpp开始慢慢梳理。。。