caffe框架中，數據結構主要包括：Blob、Layer、Net、Solver。caffe的所有數據結構都在caffe根目錄下的src/caffe/proto/caffe.proto文件中進行了描述。
首先，Blob是caffe中基本的數據結構，如果把caffe比作一棟大樓，那麼Blob就是每一塊磚。通過Blob這些磚構建成一層一層的樓層Layer，每一層合在一起就構成了大樓Net。prototxt用來描述網絡和求解器，它可以看做是大樓的圖紙，而Solver則可以看做是大樓的建築工藝。
1、Blob
Blob是caffe的基本數據結構，它在內存中表示4維數組，維度由高到低爲（num、channels、height、width）。這四個維度可以這樣理解，它們用來描述一組圖像，num可以理解爲圖像的個數，channels可以理解爲顏色通道，比如RGB的每個通道，height和width則可以理解爲圖像的高和寬。Blob存儲了包括神經元的激活值、參數、以及相應的梯度。在進行網絡計算時，每層的輸入輸出都是需要通過Blob對象緩衝。
2、Layer
代表神經網絡的層，由各種各樣的層來構成整個網絡。一般一個圖像或樣本會從數據層中讀進來，然後一層一層的往後傳。所以每個Layer至少有一個輸入Blob和一個輸出Blob，部分Layer帶有權值和偏置項，有兩個運算方向：前向傳播和反向傳播，其中前向傳播計算會對輸入Blob進行某種處理（有權值和偏置項的Layer會利用這些對輸入進行處理），得到輸出Blob；而反向傳播計算則對輸出Blob的diff進行某種處理，得到輸入Blob的diff（有權值和偏置項的Layer會計算權值Blob、偏置項Blob的diff）。
3、Net
Net在caffe中代表一個完整的CNN模型，它包含若干Layer實例。它相當於一張圖紙，在caffe中通過.prototxt文件進行描述。通過對.prototxt文件的研究，發現Net就是若干Layer的集合體。
4、Slover
Solver是按solver.prototxt的參數定義對Net進行訓練，首先會初始化一個TrainNet和一個TestNet，然後其中的Step函數會對網絡不斷進行迭代，主要就是兩個步驟反覆迭代：（1）不斷利用ComputeUpdateValue計算迭代相關參數。（2）調用Net的Update函數對整個網絡進行更新。迭代中的訓練日誌中的大部分輸出也是在這裏輸出的。
本文只對caffe的數據結構進行簡單介紹，在接下來的文章中，我們將會對caffe數據結構進行代碼級的詳細介紹，逐層揭開caffe的神祕面紗。