1. ncnn的3层封装
ncnn在实现前向推理的时候主要进行了3层封装,分别是:
- 具体的网络层类layer,如卷积层,池化层,concat层,split层,输出softmax层
- Net,将所有的layer和中间的数据blob放入到vector容器中
- 将Net传入Extractor做一个“推理器”
2. ncnn前向推理时的递归调用
ncnn在进行前向推理的时候,由推理器“extractor”调用net的forward_layer方法。
而net::forward_layer在实现时是一个递归调用。
int Net::forward_layer(int layer_index, std::vector<Mat>& blob_mats, bool lightmode) const
{
const Layer* layer = layers[layer_index];
// fprintf(stderr, "forward_layer %d %s\n", layer_index, layer->name.c_str());
if (layer->one_blob_only)
{
// load bottom blob
int bottom_blob_index = layer->bottoms[0];
int top_blob_index = layer->tops[0];
if (blob_mats[bottom_blob_index].dims == 0)
{
int ret = forward_layer(blobs[bottom_blob_index].producer, blob_mats, lightmode); // 递归调用,由最top的blobs想最下的blob进行递推
但是这里为什么不直接用一个for循环进行正向计算???