【caffe】caffe使用流程

【下战书！】

每日一点学习记录，能记多少就记多少。

哪怕是5分钟学习也可以！

不断！

 

【caffe使用流程】

准备数据（imag/LMDB）------> 定义网络（train.prototxt）------>训练参数（solver.prototxt）------> 训练/测试（acc/loss）

 

【caffe数据结构】

数据结构blob --------->  网络层layer ------------> 网络net

 

【caffe中的数据结构blod】

曾经有人说如果caffe是一辆车，那blod就是的轮子。

数据表示为四维张量（N，C，H，W），N是batch size大小，C是channel，H，W分别是图像的高和宽

data_ :存储数据

diff_:存储梯度

shape_：blob_的尺度

count_：是所有数据数目，即N*C*H*W

 

【caffe中的网络层layer】

layer是基本计算单元，除了输入层没有bottom，输出层没有top，每一层都有bottom和top，分别串接前一层和后一层网络。

每一层layer，都有对应的layer_param，用于实现该层参数的配置。

在layer中需要实现setup，forward，backward等函数

使用prototxt配置

包含网络层参数，如输入数据层的data_param，在prototxt进行定义

【caffe中的序列化】

root/src/caffe/proto/caffe.proto

proto是什么？是caffe中的序列化，配置和定义是在proto里面，使用protobuf协议进行数据序列化存储和解析，实际使用的时候会编译成与所定义的数据结构对应的代码，从而实现数据的读取，解析和存储。

首先就是在proto中定义数据结构，然后使用protoc命令进行编译得到对应的.c和.h文件，然后在其他高层中去引用这写底层文件。

【caffe中的layerparameter示例】

【caffe中的net】

net是由layer实例组成的完整的cnn模型

对于 data这一层，我们可以看到，其类型是原始的图片输入，其中包括两个参数image_data_param和transform_param

等，这就是一层layer的定义。transform_param是预处里操作的参数，crop_size 就是输入的剪切大小。