深度学习Caffe框架总结

原创

已于 2024-02-23 18:49:40 修改 · 1k 阅读

12 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #caffe #人工智能

于 2024-02-06 18:01:28 首次发布

本文详细介绍了Caffe框架的核心模块，包括Syncedmemory用于GPU-CPU内存同步，Blob和Layer的封装，以及Net和Solver的结构。还探讨了如何通过C++和Python接口实现数据处理、模型组装和参数更新，以及CenterLoss的C++实现。

Caffe

核心模块

Syncedmemory
Blob
Layer
Net
Solver
IO
多GPU

Syncedmemory是GPU与CPU内存之间的数据交互的封装。
Blob完成操作数据的封装；模型参数和更新量的封装。
Layer表示模型层。
Net表示网络模型，包含Blob数组和Layer数组。
Solver包含Net。可继承出新的更新方法。
IO完成输入数据和初始化。

Caffe未采用符号计算的模式。

Layer

采用工厂方法创建对象。
初始化通过SetUp函数完成，内部主要函数： LayerSetUp、Reshape、SetLossWeights。
前向计算：

Forward_cpu(bottom, top);
    for (int top_id = 0; top_id < top.size(); ++top_id) {
   
   
      if (!this->loss(top_id)) {
   
    continue; }
      const int count = top[top_id]->count();
      const Dtype* data = top[top_id]->cpu_data();
      const Dtype