引言
之前對caffe進行了基本的瞭解，也跑了一些例程，仍覺得雖然自己對大體結構瞭解，但是終究是要自己動手寫代碼的，所以還是決定看一下caffe源碼。網絡上資源已經很多，所以這篇博客主要是資料的彙總，以及記錄一些新的角度。
調試工具和環境
可以使用Qt creator IDE對caffe源碼進行調試，環境搭建教程CSDN
注意：由於一般默認單獨編譯caffe的時候按官網步驟都有安裝一個libopencv-dev,該包爲2.4.X版本，如果你又自行安裝了opencv3.x.x，編譯時會出現一些問題，常見的顯示opencv_xxx未定義。如果你的opencv3.x.x是用cmake默認編譯，則可在build-seting界面裏將OpenCV_DIR改爲默認安裝目錄/usr/local/share/OpenCV，如果自己安裝到了其他目錄，可改爲相應目錄即可。
流程
函數起點：/caffe_root/tools/caffe.cpp中的 int main(**) 主函數 其中GlobalInit()主要負責解析命令行，GetBrewFunction()根據解析結果調用相應的函數，如train
int train() :首先讀取solver.prototxt文件中的solver_parameter;分配使用GPU或CPU；對snapshot等信號進行判斷；調用solver_factory中的CreateSolver(solver_param)類來創建並註冊一個solver，隨後進入solver.cpp中的Init()。
solver.cpp:在Init()中首先打印了solver_parameter，然後調用InitTrainNet(),在裏面new了個Net<Dtype>(net_param)，隨即轉入net.cpp;
net.cpp：進入Net類之後，其中有一個Init(param)進行網絡的初始化，首先調用FilterNet讀取網絡定義並輸出該信息；
其次建立所有層及其聯繫，採用類似於solver_factory的方式，用LayerRegistry<Dtype>::CreateLayer(layer_param)來構建層(註冊)；
接下來找出層的輸入和輸出，並調用相對於層的函數來返回輸入的數據尺寸，還包括讀取訓練數據並返回過程信息；
構建層結束之後，開始初始化層，包括(輸出)數據尺寸，需要的存儲空間。通過多次循環的構建/初始化層來搭建整個網絡。
通過初始化完成之後回到solver.cpp的InitTrainNet()中的NetState net_state;位置。緊接着執行InitTestNets();
負責調用一個由caffe.proto生成的一個caffe.pb.h文件中的caffe::SolverParameter，未完待續.....
資料彙總
說明：以下參考資料有些博主有系列文章，很值得點進去一看！！！
一、系列博客
Caffe Source Code Analysis | Ldy's Blog
二、各小類細分
1、Caffe.proto
閱讀caffe.proto不可避免的要知曉它的基本使用規則，附上我查到的比較好的參考鏈接
Google Protocol Buffer 的使用和原理（摘自）；Protobuf學習 - 入門 - Aut - 博客園
2、video_data_layer
【caffe源碼筆記】VideoDataLayer解析 - CSDN博客
caffe源碼之VideoDataLayer - CSDN博客
3、其他層
Caffe學習系列(5)：其它常用層及參數 - denny402 - 博客園
4、pycaffe
除了我自己寫的Caffe實戰之Python接口系列 終章總結之外的一些參考博客：
