1、代码目录结构
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/ 保存的源码是用生成二进制处理程序的，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的文件结构
gtest目录 google test 一个用于测试的库 你make runtest时看见的很多的绿色RUN OK就是它了。
caffe目录 关键代码
test目录 用gtest测试caffe的代码
util目录 数据转换时用的一些代码。caffe速度快 很大程度上得益于内存设计上的优化(blob数据结构采用proto)和对卷积的优化(部分和im2col相关) 对卷积优化最核心取决于她用了一个im2col一个库做矩阵运算 它的矩阵运算是做过优化的 有一个文件是专门做这部分处理的，math_function.cpp文件 所有的矩阵运算都是通过这个文件来计算的
proto目录 即所谓的Protobuf 全称是 Google Protocol Buffer,是一种数据存储格式，帮助caffe提速
layers目录 深度神经网络中的基本结果就是一层层互不相同的网络，这个文件夹下的源文件以及目前位置"src/caffe"中所有的.cpp文件就是caffe的核心目录下的核心代码了
核心代码：
blob[.cpp .h] 基本的数据结构Blob类
common [.cpp .h] 定义caffe类
internal_thread[.cpp .h] 使用boost::thread线程库
net[.cpp .h] 网络结构类
solver[.cpp .h] 优化方法类Solver
data_transformer[.cpp .h] 输入数据的基本操作类DataTransformer
syncedmem[.cpp .h] 分配内存和释放内存类CaffeMallocHost,用于同步GPU,CPU数据
layer[.cpp .h] 层类layer
layers目录 此文件夹下面的代码全部至少继承了类Layer, 从layer_factory中注册继承
Caffe三级结构(Blobs、Layers、Nets)
Blob：用于数据的保存、交换和操作，Caffe基础存储结构
Layer：用于模型和计算的基础
Net：整合连接Layers
网友评论