caffe学习一目录结构

zjnlswd

于 2020-08-03 19:31:04 发布

阅读量158

点赞数

分类专栏： caffe

本文链接：https://blog.csdn.net/weixin_41974053/article/details/107759477

版权

caffe 专栏收录该内容

9 篇文章 0 订阅

订阅专栏

data/用于存放下载的训练数据

docs/帮助文档

examples/代码样例

matlab/Matlab接口文件

python/Python接口文件

models/一些配置好的模型参数

scripts/一些文档和数据会用到的脚本

核心代码

tools/保存的源码时用于生成二进制处理程序，caffe在训练时，实际是直接调用这些二进制文件

include/caffe的实现代码的头文件

src/实现caffe的源文件

src/文件结构

gtest/ google test的用于测试的库

caffe/关键代码:

(1)test/用gtest测试caffe的代码

(2)util/数据转换时用的一些代码，caffe速度快，很大程度得意于内存设计上的优化（blob数据结构采用proto）和对卷积的优化(部分于im2col有关)。还有math_functions定义了caffe中的矩阵计算

(3)proto/即所谓的Protobuf，全称“google protocol buffer”，是一种数据存储格式，帮助caffe提速

(4)layers/深度神经网络中的基本结构就是一层层不相同的网络。这个文件夹下的源文件以及目前位置“src/caffe”中包含的所有.cpp都是caffe和核心目录下的核心代码。

Blob,Layers,Nets是最重要的三个部分

Blob

blob.hpp中的caffe.pb.h是google protocol buffer根据caffe.proto自动生成的。可以在这个里面看到caffe数据的定义，用这种方式定义数据，可以提高数据读写的效率

common.hpp中封装了boost和cuda随机数生成函数，提供了统一的接口。

syncedmem.hpp定义了内存分配和内存释放的接口CaffeMallocHost、CaffeFreeHost。还定义了内存分配管理和CPU、GPU之间的同步函数。

math_functions.hpp封装了很多矩阵运算函数

-----caffe.proto里面的解读

optional意味着可以有一个或者没有这个参数，每个名字后面都有一个数字，这个数字是一个标签，用来在二进制文件中搜索查询。1到15会花费1byte的编码空间，16到2047花费2byte。一般建议把频繁使用的名字标签设置为1到15。后面的repeated意味着float类型的data和diff可以重复任意次数，而加上[packed=true]是为了更高效的编码。

message BlobProto {
optional BlobShape shape = 7;
repeated float data = 5 [packed = true];
repeated float diff = 6 [packed = true];
repeated double double_data = 8 [packed = true];
repeated double double_diff = 9 [packed = true];

// 4D dimensions -- deprecated. Use "shape" instead.
optional int32 num = 1 [default = 0];
optional int32 channels = 2 [default = 0];
optional int32 height = 3 [default = 0];
optional int32 width = 4 [default = 0];
}

-----

blob主要变量：

shared_ptr<SyncedMemory>data_;主要是正向传播时候的数据

shared_ptr<SyncedMemory>diff_；主要用来存储偏差的

blob的常用操作函数

reshape函数在改变blob大小的同事，内存将会被重新分配。

count函数用来统计blob的容量

data_at得到blob的数据

Layer

用于模型和计算的基础

五种类型的层

1、data_layer: