1 概述
Caffe官网：https://caffe.berkeleyvision.org/
Caffe2已经并入PyTorch了。
2 安装
官方安装教程：https://caffe.berkeleyvision.org/installation.html
提供了多种安装方法，涵盖linux/OS X/Windows等平台。
2.1 Docker开箱即用
Github：https://github.com/BVLC/caffe/tree/master/docker
- 例如，使用cpu版本镜像，在命令行执行：
docker run -ti bvlc/caffe:cpu caffe --version
如果本地仓库没有，会自动pull镜像到本地。
- 对于gpu版本，需要安装NVIDIA驱动及nvidia-docker
nvidia-docker run -ti bvlc/caffe:gpu caffe --version
- 运行选项
docker run --rm -u $(id -u):$(id -g) -v $(pwd):$(pwd) -w $(pwd) bvlc/caffe:cpu caffe train --solver=example_solver.prototxt
或者交互方式
docker run -ti bvlc/caffe:cpu ipython
2.2 Ubuntu(>= 17.04)安装
- 网上大部分都是都是在Ubuntu14、16下安装Caffe的，安装过程复杂，问题出现的也比较多，对于Ubuntu 17.04及以上版本，可以直接安装预编译的Caffe：
CPU版本：
sudo apt install caffe-cpu
GPU版本：
sudo apt install caffe-cuda
然后直接在命令行输入caffe进行测试。
- Python接口
Ubuntu默认已经安装了Python2和Python3，在没有安装Anaconda的时候，默认使用的Python3。可以检查一下，这时候安装的caffe目录就位于/usr/lib/python3/dist-packages/caffe。因此可以执行测试：
python3
>>import caffe
>>caffe.__version__
如果安装了Anaconda3,并配置了Anaconda的环境变量，在终端输入python或者python3用的都是Anaconda的python解释器，进入解释器后导入caffe模块会提示找不到。
这种情况一般是没有把caffe中的和python相关的内容的路径添加到python的编译路径中。
可以通过在代码中添加caffe路径,，但是治标不治本，每次都需要添加才可以。
import sys
caffe_root = '/path/to/caffe'
sys.path.insert(0, caffe_root + 'python')
or:
sys.path.append('/path/to/caffe/python')
也可以直接在配置文件中添加caffe的python解释器。
sudo gedit ~/.bashrc
# add following 2 lines
export CAFFE_ROOT="/path/to/caffe":$CAFE_ROOT
export PYTHONPATH="/path/to/caffe/python:$PYTHONPATH":$PYTHONPATH
# validate the modification
source ~/.bashrc
这里提供一个简单的方法，可以通过将在/usr/lib/python3/dist-packages/caffe中的caffe文件夹复制进Anaconda的/anaconda3/lib/python3.6/site-packages目录下即可，因为Anaconda使用的模块都在此文件夹下边
此时在终端进入python解释器，输入caffe就没有问题了，回车后没有提示错误问题就可以了（Anaconda也需要提前安装好protobuf模块，直接通过sudo pip install protobuf安装）。
2.3 Ubuntu(< 17.04)安装
- 下载源码。https://github.com/BVLC/caffe/
- 安装依赖库。https://caffe.berkeleyvision.org/install_apt.html
cuda: gpu模式必须
BLAS: 科学计算工具，可使用ATLAS, MKL或OpenBLAS
Boost:
protobuf, glog, gflags,hdf5等，其他可选: opencv, lmdb, leveldb, cudnn
python接口及其依赖库：python2.7 或python3.3+， numpy，boost.python
matlab接口: MATLAB环境及mex编译器
执行安装命令：
sudo apt-get update
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev
libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libatlas-base-dev
（1）caffe默认编译方式（Makefile.config）
Caffe 开发者提供了比较简单的编译方式，使得用户即使不清楚通用的编译方式，也能很快地完成对源码的编译，只需用户根据本机软硬件的环境，通过修改Makefile.config文件，对编译环境进行简单的配置即可。初次使用源码时，根目录下提供了一个配置样例文件（Makefile.config.example），用户需要进行一次文件拷贝才能产生Makefile.config文件，用户可根据本机环境进行适当的修改。注意检查部分选项，可以参考Makefile.config解析：
执行编译命令：
cd $CAFFE_ROOT
# 然后进入Python 目录安装 python interface 所需要的依赖关系：
cd /path/to/caffe/python
# use python3 by default
for req in $(cat requirements.txt); do sudo -H pip3 install $req --upgrade; done
# back to caffe root repo
cd ..
# 根据本机环境修改 Makefile.config
cp Makefile.config.example Makefile.config
# 如果之前编译过的话，清除掉之前编译的内容
make clean
# j8是使用8个线程，看计算机CPU有几个内核
make all -j $(($(nproc) + 1))
# 如果之前的配置或安装出错，那么编译就会出现各种各样的问题，所以前面的步骤一定要细心。
# 编译成功后可运行测试：
make test -j $(($(nproc) + 1))
make runtest -j $(($(nproc) + 1))
make pycaffe -j $(($(nproc) + 1))
caffe-python接口可能因为python路径产生某些问题，参考前面或文末的链接。
（2）cmake 通用编译方式
大部分有开发经验的用户，都会对cmake编译方式有一定的了解，caffe也支持cmake的编译方式，该方式下，配置环境的设置可利用图形化工具cmake-gui进行相关参数（参数命名与Makefile.config中的命名基本一致）的配置，cmake经验丰富的，可直接修改根目录下的CMakeLists.txt文件
cd $CAFFE_ROOT
mkdir build
cd build
# 编译
cmake .. # 按默认配置编译
# or 设置部分参数
cmake -DCMAKE_BUILD_TYPE=Release
-DBUILD_python=OFF
-DBUILD_python_layer=OFF
-DCMAKE_INSTALL_PREFIX=/usr/local
..
# note：编译工程，可有需求地执行
make all -j8 # 编译所有
make caffe -j8 # 只编译caffe的C++库，生成libcaffe.so
make pycaffe -j8 #编译python接口
3 Caffe结构分析
caffe源码最主要的三部分：
include/caffesrc/caffetools/examples/
阅读顺序：
src/caffe/proto/caffe.protoexamples/solver_*.prototxt和examples/train_*.prototxtinclude/caffe.hpp和tools/caffe.cppinclude/net.hpp和tools/net.cppinclude/layer.hpp和tools/layer.cpp
3.1 数据结构描述（.proto）
src/caffe/proto/caffe.proto文件中定义了caffe中基本的数据结构，如BlobProto, NetParameter, LayerParameter等，可以把它看做一种类似结构体的定义；
message LayerParameter {
optional string name = 1; // the layer name
optional string type = 2; // the layer type
repeated string bottom = 3; // the name of each bottom blob
repeated string top = 4; // the name of each top blob
}
格式包括参数类型、参数名和id等。
3.2 模型参数实现（.prototxt）
利用src/caffe/proto/caffe.proto中定义好的数据结构，通过设置不同参数的值，我们可以实现一个具体的网络结构；
3.3 训练/测试入口
参考
https://www.jianshu.com/p/261e8701845f
https://www.pianshen.com/article/7490318594/
https://www.jianshu.com/p/e587e2dd1bea
http://hechen.top/2019/05/03/Caffe_tutorial_2/
http://hechen.top/2019/05/03/Caffe_tutorial_1/