怎样解读Caffe源代码
导读
Caffe是如今非常流行的深度学习库，能够提供高效的深度学习训练。该库是用C++编写。能够使用CUDA调用GPU进行加速。可是caffe内置的工具不一定能够满足用户的全部需求，所以阅读源代码并理解它，是非常有必要的。
这篇博文不是想把Caffe的全部函数都讲一遍。由于Caffe的源代码非常大，一本书都不一定能够说清楚。
这里我仅仅是说说该怎么去阅读源代码，给大家提供一个思路和建议。让大家能够高速把握caffe的总体。出了问题该往哪个方向去思考。
caffe的编译。网上已有非常多教程，大家能够看看这篇。
Caffe的文件组织方式
| 文件夹 | 功能 |
|---|---|
| caffe-master | 根文件夹 |
| build | 编译后的存放的文件夹 |
| data | examples使用到的全部数据都放在这里了 |
| docs | 这里有非常多解说caffe的文件，新手能够把这里的东西好好看看。.md文件推荐使用atom软件进行查看 |
| examples | 这里是放样例的地方，能够借着这些样例好好理解下该怎么用caffe。特别是mnist |
| include | 这里存放着caffe的全部头文件。阅读头文件能够让人非常快地把握全局而不考虑详细实现 |
| matlab | 和 matcaffe有关的文件 |
| models | 这里有一些怎样写deploy文件的演示样例，能够用在训练完毕后公布你的模型 |
| python | 和pycaffe有关的文件都放在这里了。 在python中使用caffe时。须要把该路径给加上 |
| scripts | 一些帮助使用caffe的脚本 |
| src | 头文件的实现都在这里 |
| tools | 一些经常使用的工具的源代码，编译后的可执行文件在build/tools中 |
理解演示样例
examples里面由好几个caffe的演示样例，打开mnist看下，里面由非常多文件，我们先看readme.md。里面非常好的解说了怎样执行这个模型，以及各个參数代表什么意思。
读懂了这个的话，基本上你就会执行演示样例了。
其它的演示样例也能够照这样学习。
值得一提的是。学习这个部分时。能够结合docs里面的解说。另一些 *.ipynb。
怎样查看ipynb就不说了。自己查资料。
演示样例执行得几乎相同，你就能够琢磨下怎样使用deploy文件了。
理解caffe源代码
为了更好的阅读代码，我建议按例如以下步骤使用Eclipse打开caffeproject：
- 配置下java。由于Eclipse须要java环境
- 下载eclipse cpp版
- 打开Eclipse，在菜单条File->import->c/c++->Existing code as Autotools project，按next，然后在browse中找到caffe-master。进入caffe-master后按确认。
这样就导入了整个project了，可是不要尝试使用Eclipse来编译caffe。由于基本上都编译不通过。
blob、layer、net、solver这几个是要好好阅读的（头文件以及实现）。能够结合这docs里面的文件看。看懂了这几个文件。那么你基本上就大概知道caffe是怎样执行的了。
可是你可能在执行演示样例时非常纳闷。每一个层那么多的參数。我该怎么知道它是什么意思。别操心。全部的这些信息都能够在src/caffe/proto/caffe.proto中找到。看不懂的话，能够查一下protobuf的使用。
上面的假设都看懂了，那就能够好好研究下src/caffe/layers里面的文件了。把mnist用到的那些层好好看看它是怎么实现的。能够先看cpp，有cuda基础的就看看cu。
加入自己的层
加入自己的caffe层须要有一定的c++基础。至少要明确什么是继承。什么是虚函数，以及多线程的基本概念。能够选择继承一个和自己功能最相近又满足继承关系的层。
详细的步骤能够參考下这篇博文。
使用pycaffe
使用pycaffe的话。我推荐使用cmake而不是直接的make编译project。由于如今的版本号中make后的pycaffe经常出现找不到链接库。
如今是看*.ipynb文件的时候了。里面详细解说了怎样使用caffe的python接口。出现故障的话就看源代码。建议使用pycharm或者Eclipse Java版。