轉(zhuǎn)載自：

Caffe代碼導(dǎo)讀（0）：路線圖 - 卜居 - 博客頻道 - CSDN.NET

??http://blog.csdn.net/kkk584520/article/details/41681085

【Caffe是什么？】

Caffe是一個深度學(xué)習(xí)框架，以代碼整潔、可讀性強、運行速度快著稱。代碼地址為：https://github.com/BVLC/caffe

【博客目的】

從接觸Caffe、編譯運行、閱讀代碼、修改代碼一路走來，學(xué)習(xí)到不少內(nèi)容，包括深度學(xué)習(xí)理論，卷積神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)，數(shù)學(xué)庫MKL，計算機視覺庫OpenCV，C++模板類使用，CUDA程序編寫……

本博客目的是為初學(xué)者清除代碼閱讀中的障礙，結(jié)合官網(wǎng)文檔、融入個人理解、注重動手實踐。

【如何開始】

在開始閱讀Caffe代碼之前，應(yīng)該做好下面幾件事：

（1）下載Caffe源碼；

（2）配置開發(fā)環(huán)境（安裝CUDA、OpenCV、boost、leveldb、lmdb、Python等，安裝步驟參考http://tutorial.caffe.berkeleyvision.org/installation.html）；

（3）編譯；

（4）運行例子（如MNIST、CIFAR10、ImageNet等）；

【路線圖】

（1）Caffe源碼閱讀路線圖應(yīng)該是從CAFFE_ROOT/src/caffe/proto/caffe.proto開始，了解各類數(shù)據(jù)結(jié)構(gòu)，主要是內(nèi)存對象和序列化磁盤文件的一一對應(yīng)關(guān)系，知道如何從磁盤Load一個對象到內(nèi)存，以及如何將內(nèi)存對象Save到磁盤，中間的過程實現(xiàn)都是由Protobuf自動完成的。

（2）第二步就是看頭文件，不用急于去看cpp文件，先理解整個框架。Caffe中類數(shù)目眾多，但脈絡(luò)十分清晰。在Testing時，最外層的類是Caffe::Net，包含了多個Caffe::Layer對象，而Layer對象派生出神經(jīng)網(wǎng)絡(luò)多種不同層的類（DataLayer, ConvolutionLayer, InnerProductionLayer, AccurancyLayer等），每層會有相應(yīng)的輸入輸出（Blob對象）以及層的參數(shù)（可選，Blob對象）；Blob中包括了SyncedMemory對象，統(tǒng)一了CPU和GPU存儲器。自頂向下去看這些類，結(jié)合理論知識很容易掌握使用方法。

（3）第三步就是有針對性地去看cpp和cu文件了。一般而言，Caffe框架不需要修改，只需要增加新的層實現(xiàn)即可。例如你想自己實現(xiàn)卷積層，只需從ConvolutionLayer派生一個新類MyConvolutionLayer，然后將幾個虛函數(shù)改成自己的實現(xiàn)即可。所以這一階段關(guān)注點在算法上，而不是源碼本身。

（4）第四步就很自由了，可以編寫各類工具，集成到Caffe內(nèi)部。在CAFFE_ROOT/tools/下面有很多實用工具，可以根據(jù)需要修改。例如從訓(xùn)練好的模型中抽取參數(shù)進行可視化可以用Python結(jié)合matplot實現(xiàn)。

（5）接下來，如果想更深層次學(xué)習(xí)，最好是自己重新寫一遍Caffe（時間充裕的情況）。跳出現(xiàn)有的框架，重新構(gòu)建自己的框架，通過對比就能學(xué)到更多內(nèi)容。

總結(jié)

以上是生活随笔為你收集整理的Caffe代码导读（0）：路线图的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。