caffe——Blob,Layer,Net 及其对应配置文件的编写

caffe——Blob,Layer,Net 及其对应配置文件的编写

Dl是一个组合模型，它由许多层组合而成。caffe就是组建深度网络的一个工具，它按照一定测策略，一层一层搭建出自己的模型。它将所有信息数据定义为blobs，以便进行操作和通讯。Blob是caffe框架中一个标准数据类型。是一个统一的内存接口。
1 blob
Blobs封装了运行时的数据信息，提供了CPU和GPU的同步。从数学上看，Blob就是一个N维数组，它是数据操作的基本单位，类似于matlab中以矩阵为基本单位一样。矩阵是二维的，而Blob是N维的，N可以是2，3，4等等。对于图片数据，Blob可表示为（N*C*H*W）这样一个4D数据。其中N表示图片的数量，C表示图片的通道数，H和W分别表示图片的高度和宽度。当然Blob也可用于非图片数据，如传统多层感知机，用2D的Blob，调用innerProduct层来计算。
2 layer
层是网络模型组成要素和计算的基本单位。层的类型较多，如Data，Convolution，Pooling，ReLU，Softmax-loss，Accuracy等。

每个层都定义了三种关键计算：setup，forward 和backword

setup：层的建立和初始化，以及在整个模型中连接初始化

forward：从bottom得到输入数据，进行计算，并将计算结果送到top，输出

backward：从层输出端top得到数据梯度，计算当前层梯度，计算结果送到bottom，向前传递。

3 Net
就像搭积木一样，一个net由许多layer组合而成，现在给出一个简单的2层神经网络定义。拓扑结构如下：
![这里写图片描述](http://images2015.cnblogs.com/blog/140867/201512/140867-20151224155540452-1214693451.jpg)
第一层：name为mnist，type为Data，没有输入，只有两个输出，一个为data，一个为label
第二层：name为ip，type为innerproduct，输入数据data，输出数据ip
第三层：name为loss，type为SoftmaxWithLoss，有两个输入，一个为ip，一个为label，有一个输出loss。

name:"LogReg"
layer{
name:"mnist"
type:"Data"
top:"data"
top:"label"
data_param{
source:"input_leveldb"
batch_size:64
}
}
layer{
name:"ip"
type:"InnerProduct"
bottom:"data"
top:"ip"
inner_product_param{
num_output:2
}
}
layer{
name:"loss"
type:"SoftmaxWithLoss"
bottom:"ip"
bottom:"label"
top:"loss"
}