深度学习Caffe框架实战剖析教程

Caffe框架

现如今，在深度学习领域中的主流开源框架有很多。而Caffe框架是人们无法绕过的一座山。这不仅是因为它无论在结构、性能上，还是在代码质量上，都称得上一款十分出色的开源框架。更重要的是，它将深度学习的每一个细节都原原本本地展现出来，大大降低了人们学习研究和开发的难度。Caffe框架之所以广受欢迎是因为其稳定的模型架构、较好的设备抽象、清晰的说明教程（用户只需要将官方文档的例子跑一遍，基本就能清楚Caffe的操作过程和细节）以及开放的模型仓库。

本教程详细介绍了Caffe的优势、架构，网络定义、各层定义，Caffe的安装与配置，解读了Caffe中Filler的作用以及cifar10、ImageNet数据集和mnist数据集创建lmdb或leveldb类型的数据等等。再加上大量的解析Caffe中重要的源码理解其精髓，加强对深度学习理论的理解。在教程的最后还配有Caffe完整的案例解析。

教程以目前已经大量用于线上系统的深度学习主流框架Caffe为例，从底层开始，由浅入深，先是概述Caffe框架，说明其和深度学习的关系，然后讲解并演示 Caffe的配置、部署、使用，接着讲解了Caffe的基本数据结构，然后通过大量的阅读Caffe源码理解其精髓，加强对深度学习理论的理解，最终达到熟练运用 Caffe 解决实际问题的目的。本教程还讲解了Caffe框架中的MNIST数据集，从使用脚本下载数据集，再到其数据格式的一个描述，最后还详细演示了其数据格式转换。和其他深度学习主流框架教程相比，本教程偏重动手实践，将难以捉摸的枯燥理论用浅显易懂的形式表达，透过代码揭开其神秘面纱，更多地贴近实际应用。

教程试看及完整大纲目录如下，对IT编程、大数据、数据分析、人工智能感兴趣的朋友们可以访问北风网官网或关注小编了解更多哦！也可以加群586656942一起分享学习跟多开发经验资料。

第1讲-初识Caffe

1.1-Caffe的简介和其安装

1.2-数据格式描述以及LEVELDB和LMDB介绍

1.3-数据格式转换描述

1.4-数据格式转换与LeNet5模型描述

1.5-LeNet5模型和Caffe目录结构

第2讲-Caffe中Filler的作用和cifar10数据集创建lmdb或leveldb类型的数据

2.1-Filler类前

2.2-Filler类中

2.3-Filler类后

2.4-cifar10函数分析上

2.5-cifar10函数分析下

第3讲-Caffe数据结构

3.1-Blob的简介和主要源码解析

3.2-Blob所有源码的解析

3.3-Layer的介绍和其主要源码的解析

3.4-Layer所有源码的解析

3.5-Net简介与源码解析

第4讲-解析Caffe.proto和sovler-factory

4.1-protocol buffer

4.2-caffe.proto中的几个重要数据类型

4.3-caffe.proto

4.4-Solver工厂类注册Solver子类

4.5-solver_factory.hpp

第5讲-Caffe程序入口分析及其训练源码基本流程

5.1-Caffe程序运行流程上

5.2-Caffe程序运行流程下

5.3-训练LeNet和网络初始化

5.4-训练过程

第6讲-Caffe计算图像均值描述和ImageNet数据集创建lmdb类型的数据

6.1-计算图像均值

6.2-计算图像均值描述

6.3-ImageNet数据集创建lmdb类型的数据前部分

6.4-ImageNet数据集创建lmdb类型的数据后部分

第7讲-加深学习Caffe源码

7.1-介绍Caffe代码结构及其定义网络结构

7.2-读取和解析数据代码

7.3-Google Flags和Register Brew Function的宏的使用

7.4-train()函数和SolverParameter的解析过程

第8讲-完整案例源码解析

8.1-LeNetSolver初始化

8.2-LeNet初始化训练网络上

8.3-LeNet初始化训练网络下

8.4-LeNet前向过程

8.5-LeNet反向过程