Caffe总体架构

一、Caffe总体架构

Caffe是深度学习的一个框架，Caffe框架主要包括五个组件：Blob、Solver、Net、Layer、Proto；框架结构如下图所示。这五大组件可以分为两个部分：第一部分，Blob、Layer和Net，这三个组件使得Caffe构成基于自己的模块化的模型，caffe是逐层地定义一个net，而net是从数据输入层到损失曾自下而上定义整个模型，Blob在caffe中是处理和传递实际数据的数据封装包；第二部分：Solver和Proto，这两个模型分别用于协调模型的优化以及用于网络模型的结构定义、存储和读取。

总体来说，caffe是通过Layer的方式（Layer-By-Layer）定义Net，而贯穿所有Nets的结构就是caffe框架或模型；对于Layer而言，输入的是Blob数据封装包格式的实际数据，当采用该框架进行训练时，也就是Solver调优模型，则需要Proto这种网络模型的结构定义、存储和读取。

二、Caffe模型解析

2.1  Blob、Layer、Net

Blob、Layer、Net的关系可以总结为：Caffe使用Blob结构进行存储、交换和处理网络中正向和反向迭代是的数据（值）和导数信息（梯度），Blob是Caffe框架中的标准数组结构，他提供了一个统一的内存接口，Layer