前沿

上一篇我们安装好了Windows下的caffe，并成功的对其进行了编译。这篇我们主要来讲解一下caffe代码的目录结构，了解了整个目录结构，有助于我们的源码学习。

正文

工程目录下的文件夹的作用如下所示：

data/       用于存放下载的训练数据
docs/       帮助文档
examples/   代码样例
matlab/     MATLAB接口文件
python/     PYTHON接口文件
models/     一些配置好的模型参数
scripts/    一些文档和数据会用到的脚本
tools/      保存的是用于生成二进制处理程序，caffe在训练时实际是直接调用这些二进制文件
include/    Caffe的实现代码的头文件
src/        实现Caffe的源文件

其中src/caffe/目录下的文件夹作用如下：

test/    用gtest测试caffe的代码
util/    数据转换时用的一些代码。caffe速度快，很大程度得益于内存设计上的优化（blob数据结构采用proto）和对卷积的优化（部分与im2col相关）
proto/   即所谓的“Protobuf”，全称“Google Protocol Buffer”，是一种数据存储格式，帮助caffe提速
layers/  深度神经网络中的基本结构就是一层层互不相同的网络了，这个文件夹下的源文件以及目前位置“src/caffe”中包含所有.cpp文件就是caffe的核心目录下的核心代码了。

src/caffe/目录下的代码作用如下：

blob[.cpp .h]             基本的数据结构Blob类
common[.cpp .h]           定义Caffe类
internal_thread[.cpp .h]  使用boost::thread线程库
net[.cpp .h]              网络结构类Net
solver[.cpp .h]           优化方法类Solver
data_transformer[.cpp .h] 输入数据的基本操作类DataTransformer
syncedmem[.cpp .h]        分配内存和释放内存类CaffeMallocHost，用于同步GPU，CPU数据
layer[.cpp .h]            层类Layer
layers/           此文件夹下面的代码全部至少继承了类Layer, 从layer_factory中注册继承