caffe网络模型各层详解（一）

一：数据层及参数

caffe层次有许多类型，比如Data，Covolution，Pooling，层次之间的数据流动是以blobs的方式进行

首先，我们介绍数据层：

数据层是每个模型的最底层，是模型的入口，通常数据的 预处理（如去均值，放大缩小，裁剪和镜像等）也在这一层设置参数实现。

数据来源一般来自高效的数据库（levelDb和LMDB），也可以来自内存，如果注重效率，可以来自磁盘的hdf5文件和图片格式文件。

层次实例如下：

 layer{
     name:"cifar"
     type: "Data"
     top: "data"
     top: "label"
     include{
         phase:TRAIN
     }
     transform_param{
         mean_file: "examples/cifar10/mean.binaryproto"
     }
     data_param{
         source: "examples/cifar10/cifar10_train_lmdb"
         batch_size:
         backend:LMDB
     }
 }

层次参数解释：

name : 表示该层的名称，可以随意取

type : 层类型，如果是Data，表示数据来源于LevelDB或者LMDB。一般采用这两种数据

top/bottom: 每一层用bottom来表述输入数据，top表述输出数据。如果只有top没有bottom，则此层只有输出没有输入，反之亦然。如果有多个top或bottom，表述有多个blobs数据的输入和输出。

data/label：在数据层中，至少有一个命名为data的top。如果两个top，一般命名为label，（data，label）配对是分类模型所必须的。

include：一般训练和测试的测试的时候，模型的层不一样。include用以区分是train还是test，如果没有include表述该层既做训练也做测试。

Transformations：数据的预处理，可以对数据进行变换，scale为0.00390625，实际上是1/255，既数据的归一化。

 transform_param{
     scale = 0.00390625
     mane_file_size: "examples/cifar10/mean.binaryproto"
     //用一个配置文件来进行去均值操作
     mirror: //1表示开启镜像，0表示关闭，也可以用true和false表示
     //剪裁一个277*277的图块，在训练阶段随机裁剪，在测试阶段从中间剪裁
     crop_size:
 }