（Caffe）目錄結構

本文系轉載，具體出處不詳

目錄結構

caffe文件夾下主要文件：

• data 用於存放下載的訓練數據
• docs 幫助文檔
• example 一些代碼樣例
• matlab MATLAB接口文件
• python Python接口文件
• model 一些配置好的模型參數
• scripts 一些文檔和數據用到的腳本

下面是核心代碼文件夾：

• tools 保存的源碼是用於生成二進制處理程序的，caffe在訓練時實際是直接調用這些二進制文件。
• include Caffe的實現代碼的頭文件
• src 實現Caffe的源文件

後面的學習主要圍繞後面兩個文件目錄（include和src）下的代碼展開

源碼結構

• src
  • gtest google test一個用於測試的庫你make runtest時看見的很多綠色RUN OK就是它，這個與caffe的學習無關，不過是個有用的庫
  • caffe 關鍵的代碼都在這裏了
    • test 用gtest測試caffe的代碼
    • util 數據轉換時用的一些代碼。caffe速度快，很大程度得益於內存設計上的優化（blob數據結構採用proto）和對卷積的優化（部分與im2col相關）[1]。
    • proto 即所謂的“Protobuf”[2]，全稱“Google Protocol Buffer”，是一種數據存儲格式，幫助caffe提速。
    • layers 深度神經網絡中的基本結構就是一層層互不相同的網絡了，這個文件夾下的源文件以及目前位置“src/caffe”中包含的我還沒有提到的所有.cpp文件就是caffe的核心目錄下的核心代碼了。

源碼主要關係

如上所言我們現在可以知道，caffe核心中的核心是下面的文檔和文件:（這部分目前不清楚的地方先參照別人的觀點）

• blob[.cpp .h] 基本的數據結構Blob類[3]。
• common[.cpp .h] 定義Caffe類
• internal_thread[.cpp .h] 使用boost::thread線程庫
• net[.cpp .h] 網絡結構類Net
• solver[.cpp .h] 優化方法類Solver
• data_transformer[.cpp .h] 輸入數據的基本操作類DataTransformer
• syncedmem[.cpp .h] 分配內存和釋放內存類CaffeMallocHost，用於同步GPU，CPU數據
• layer_factory.cpp layer.h 層類Layer
• layers 此文件夾下面的代碼全部至少繼承了類Layer