1. 概述
1.1. Caffe 优缺点
优点：
速度快。Google Protocol Buffer 数据标准为 Caffe 提升了效率。
学术论文采用此模型较多。不确定是不是最多，但接触到的不少论
文都与 Caffe 有关（R-CNN，DSN，最近还有人用 Caffe 实现 LSTM）
缺点：
曾更新过重要函数接口。有人反映，偶尔会出现接口变换的情况，
自己很久前写的代码可能过了一段时间就不能和新版本很好地兼容了。（现
在更新速度放缓，接口逐步趋于稳定，感谢 评论区王峰的建议）
对于某些研究方向来说的人并不适合。这个需要对 Caffe 的结构有
一定了解。
1.2. Caffe 代码层次
Blob，Layer，Net，Solver 这四个类复杂性从低到高，贯穿了整个 Caffe。
SyncedMem：这个类的主要功能是封装 CPU 和 GPU 的数据交互操作。
一般来说，数据的流动形式都是：硬盘->CPU 内存->GPU 内存->CPU 内存->（硬
盘），所以在写代码的过程中经常会写 CPU/GPU 之间数据传输的代码，同时还
要维护 CPU 和 GPU 两个处理端的内存指针。这些事情处理起来不会很难，但
是会很繁琐。因此 SyncedMem 的出现就是把 CPU/GPU 的数据传输操作封装
起来，只需要调用简单的接口就可以获得两个处理端同步后的数据。
Blob：这个类做了两个封装：一个是操作数据的封装。在这里使用 Blob，
我们可以操纵高维的数据，可以快速访问其中的数据，变换数据的维度等等；另
一个是对原始数据和更新量的封装。每一个 Blob 中都有 data 和 diff 两个数据指
针，data 用于存储原始数据，diff 用于存储反。向传播的梯度更新值。Blob 使用
了 SyncedMem，这样也得到了不同处理端访问的便利。这样 Blob 就基本实现
了整个 Caffe 数据部分结构的封装，在 Net 类中可以看到所有的前后向数据和参
数都用 Blob 来表示就足够了。
数据的抽象到这个就可以了，接下来是层级的抽象。前面我们也分析过，神
经网络的前后向计算可以做到层与层之间完全独立，那么每个层只要依照一定的
接口规则实现，就可以确保整个网络的正确性。
剩余48页未读，继续阅读
评论1
最新资源