便纵有千种风情

问题1： g++ 命令中的-I -L ：例如： g++ -o netapp net_demo.cpp -I $CAFFE_ROOT/include -I $CAFFE_ROOT/.build_release/src/ -I /usr/local/cuda/include -L $CAFFE_ROOT/build/lib -lcaffe -lglog -lboost_system -lpro

1.访问权限：访问权限publicprotectedprivate对本类可见可见可见对子类可见可见不可见对外部(调用方)可见不可见不可见默认的继承方式是private继承：class B:

1.neuron_layer.hpp 、neuron_layer.cpp class NeuronLayer 这个类公有继承自Layer类，特点是输入blob数量为1，输出blob数量也为1。.cpp文件里面就实现了一个函数Reshape(在layer.hpp中Layer类里定义为虚函数)，功能是将输出blob的形状改为和输入blob一样。 hpp:#ifndef CAFFE_NEURON_LA

卷积层的实现在conv_layer.hpp和conv_layer.cpp,在于其中的ConvolutionLayer类，继承于BaseConvolutionLayer类。 卷积主要的处理过程是将图像bottom[i]->cpu_data()+j * this->bottom_dim_进行im2col处理，转化成一个新的矩阵col_buff，然后用权值矩阵weights∗*转化后的矩阵 得到

简要说明common文件定义了一个Caffe类，Caffe类里面定义了一个RNG类（random number generator ）,RNG类里面定义了一个Generator类，Generator类里面有一个指向rng_t的指针。rng_t其实就是就是boost::mt19937。(这是因为在rng.hpp中有这么一句话：typedef boost::mt19937 rng_t;)

主要是两个函数，一个是im2col_cpu，一个是col2im_cpu函数。im2col函数功能的是将原始的图像数据转化为一个矩阵，用于卷积操作，转换的目的是为了方便矩阵乘法。在进行了矩阵乘法之后，还要转换为图像形式，所以还需要col2im函数。矩阵乘法参考： caffe im2col 详解im2col 具体例子参考： caffe源码深入学习6：超级详细的im2col绘图解析，分析caffe卷积操作

/** * @brief A layer factory that allows one to register layers. * During runtime, registered layers can be called by passing a LayerParameter * protobuffer to the CreateLayer function: * * L

1.Solver、SGDSolver (Solver、SGDSolver类写自于文件：solver.h(c)pp、sgd_solvers.h(c)pp)class SGDSolver : public SolverDtype>SGDsolver类继承自Solver2.solver.prototxt caffe训练命令:两个例子：./build/tool