caffe源码学习（一）：目录和依赖库

caffe源码目录
+caffe-master/
|…data：训练数据
|…docs:帮助文档
|…examples：代码样例
|…matlab：Matlab接口
|…models：配置好的模型参数
|…scripts： 一些文档和数据会用到的脚本
|…tools：计算图像均值，调优网络，可视化
|…include：实现代码的头文件
++|…src ：核心代码
|…gtest：google test一个用于测试的库
+++|…caffe：
|…test：gtest测试caffe的代码
|…util： 数据转换
|…proto：数据存储格式，全程“Protobuf”，帮助caffe提速
|…layers：深度神经网络中结构互不相同的的网络，每个Layer的输入和输出Feature map表示为Input Blob和Output Blob
|…solvers：深度网络的训练，每个Solver中包含一个训练网络对象和一个测试网络对象

Blob,Layer,Net，Solvers是最基本的结构，这四个大类分别负责数据传输、网络层次、网络骨架与参数求解策略。
1.Blob是Caffe基础存储结构,是数据传输的媒介，神经网络涉及到的输入输出数据，网络权重参数等等，其实都是转化为Blob数据结构来存储的；
2.Layer是神经网络的基础单元，层与层间的数据节点、前后传递都在该数据结构中被实现，因神经网络网络中设计到多种层，这里layers下实现了卷积层、激励层，池化层，全连接层等等“积木元件”，丰富度很高；
3.Net是网络的整体搭建骨架，整合Layer中的层级机构组成网络;
4.Solver：是网络的求解优化策略，让你用各种“积木”搭建的网络能最适应当前的场景下的样本，如果做深度学习优化研究的话，可能会修改这个模块

caffe安装依赖的用途：
protobuf：google的一种数据交换的格式，性能好，效率高
数据库：Leveldb是一个google实现的非常高效的kv数据库；lmdb同样是谷歌的非关系型数据库，效率较前者更高，因此成为Caffe的默认数据格式
glog：google的C++开源日志库
gflags：oogle的一个开源的处理命令行参数的库
OpenCV：对原始图片进行裁剪等操作
Snappy：用来压缩和解压缩的C++开发包
hdf5：可以存储不同类型的图像和数码数据的文件格式，并且可以在不同类型的机器上传输，同时还有统一处理这种文件格式的函数库
Boost库：