介绍
Caffe 是Berkeley Vision and Learning Center(BVLC)开发的一个深度学习的框架，github地址,最初是用于图像处理，也可以用于自然语言处理。英特尔根据自己的CPU对caffe做了优化，并发布了intelcaffe版本，调用MKL以及MKLDNN库，从而编译后使用最新的指令集加速运算。
基本概念
- Blob就是caffe封装的数据，默认的输入图像的格式是(NCHW):number N x channel K x height H x width W
- solver: 定义一个solver文件,里面指定使用哪个net，步长多少
安装
- 安装一些系统依赖包
- 下载Intel caffe的源码
- cp Makefile.config.example Makefile.config
- 修改Makefile.config中的编译选项
- make -j 270 all（指定编译过程中可以使用的进程数量）
手写数字识别(Mnist)
准备数据
下载数据
运行这个脚本
$CAFFE_ROOT/data/mnist/get_mnist.sh
下载数据集到当前目录下面$CAFFE_ROOT/data/mnist/
转换数据格式
运行这个脚本去转换数据格式
$CAFFE_ROOT/examples/mnist/create_mnist.sh
会在$CAFFE_ROOT/examples/mnist/目录下面生成两个.lmdb后缀的文件，里面就是训练集和测试集
LeNet模型
要使用caffe，最重要的就是定义模型，也就是编写对应的.prototxt文件
$CAFFE_ROOT/examples/mnist/lenet_train_test.prototxt
LeNet的求解器solver
solver定义了求解的参数
$CAFFE_ROOT/examples/mnist/lenet_solver.prototxt
运行的环境变量设置与脚本
./examples/mnist/train_lenet.sh
在solver中有指定训练多少itertaion之后保存一次模型参数
可以用于后面进一步的训练或者inference