一，Blob, layer和net.：
NET：要运行caffe首先创建一个神经网络(net), net由多个layer和Blob组成；
Layer: 层，层可能由多种算子类型等，如：Data,Convolution,Pooling，layer由很多参数构成；
Blob: 数据buffer，数据在各层之间流动的载体以Blob的形式进行抽象。
数据流动方向由bottom流动到top：
如果某一层没有bottom只有top,则该层为输入层(一般为模型的入口，不仅提供数据的输入，通常数据的预处理（如减去均值, 放大缩小, 裁剪和镜像等），也在这一层设置参数实现);
二，以mnist为例，看layer中的参数：
layer {
name: "mnist"
type: "Data"
top: "data"
top: "label"
include {
phase: TRAIN
}
transform_param {
scale: 0.00390625
}
data_param {
source: "examples/mnist/mnist_train_lmdb"
batch_size: 64
backend: LMDB
}
}
参数含义：
name: 表示该层的名称，可随意取
type: 层类型，如果是Data，表示数据来源于LevelDB或LMDB（数据库）或内存MemoryData图片ImageData等。
top或bottom: 每一层用bottom来输入数据，用top来输出数据。
data 与 label: 在数据层中，至少有一个命名为data的top。如果有第二个top，一般命名为label。
include:用于指定该层是属于训练阶段的层还是属于测试阶段的层；
transform_param：数据预处理，其内部参数如下：
scale: 0.00390625：将数据由0-255归一化到0-1上
mean_file_size: 用一个配置文件来进行均值操作
mirror: 1 1表示开启镜像，0表示关闭，也可用ture和false来表示
crop_size: 227 剪裁一个 227*227的图块，在训练阶段随机剪裁，在测试阶段从中间裁剪
data_param：数据来源自数据库参数，内部参数如下：
必须设置的参数：
source: 包含数据库的目录名称，如examples/mnist/mnist_train_lmdb
batch_size: 每次处理的数据个数，如64
可选参数：
rand_skip: 在开始的时候，路过某个数据的输入。通常对异步的SGD很有用。
backend: 选择是采用LevelDB还是LMDB, 默认是LevelDB.
memory_data_param，数据来源于内存，内部参数如下：
层类型：MemoryData
必须设置的参数：
batch_size：每一次处理的数据个数，比如2
channels：通道数
height：高度
width: 宽度
如：
memory_data_param{
batch_size: 1
height: 256
width: 256
channels: 3
}
image_data_param数据来源于图片，内部参数如下：
层类型：ImageData
必须设置的参数：
source: 一个文本文件的名字，每一行给定一个图片文件的名称和标签（label)
batch_size: 每一次处理的数据个数，即图片数
可选参数：
rand_skip: 在开始的时候，路过某个数据的输入。通常对异步的SGD很有用。
shuffle: 随机打乱顺序，默认值为false
new_height,new_width: 如果设置，则将图片进行resize
如：
layer {
name: "data"
type: "ImageData"
top: "data"
top: "label"
transform_param {
mirror: false
crop_size: 227
mean_file: "data/ilsvrc12/imagenet_mean.binaryproto"
}
image_data_param {
source: "examples/_temp/file_list.txt"
batch_size: 50
new_height: 256
new_width: 256
}
}
参考文章：https://www.cnblogs.com/denny402/p/5070928.html
771
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
