caffe运行顺序
blob
explict，显示构造函数，只对构造函数有用，用来抑制隐式转换
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22class String {
explicit String ( int n ); // 本意是预先分配n个字节给字符串，加上explicit，就抑制了String ( int n )的隐式转换，
String ( const char* p ); // 用C风格的字符串p作为初始化值
}
String s2 ( 10 ); //OK 分配10个字节的空字符串
String s3 = String ( 10 ); //OK 分配10个字节的空字符串
String s4 = 10; //编译不通过，不允许隐式的转换
String s5 = 'a'; //编译不通过，不允许隐式的转换
class A {
A(int a);
};
int Function(A a);
// 当调用Function(2)的时候，2会隐式转换为A类型
class A {
explicit A(int a);
};
int Function(A a);
// 这样，当调用Function(2)的时候，编译器会给出错误信息template
1
2
3
4
5
6
7
8
9// suppose I've declared
template <typename T> void foo(T& t);
template <> void foo<int>(int& t);
// declares a specialization of the template, with potentially different body.
template void foo<int>(int& t);
// causes an explicit instantiation of the template, but doesn't introduce a specialization.
// It just forces the instantiation of the template for a specific type.iniline主要是将代码进行复制，扩充，会使代码总量上升，好处就是可以节省调用的开销，能提高执行效率
shared_ptr引用计数智能指，可以参考这里
caffe.cpp
step1: 命令行下输入./build/tools/caffe train -solver xxx.prototxt 运行了程序的入口caffe.cpp main()
step2: caffe.cpp main()根据命令行输入的参数train 调用caffe.cpp train()
step3: caffe.cpp train()读取xxx.prototxt的参数 调用solver.cpp Solver()的构造函数创建Solver对象
step4: 创建Solver对象的时候需要调用solver.cpp Init()函数来初始化模型的网络
step5: solver.cpp Init()函数调用solver.cpp InitTrainNet()和InitTestNets()函数来分别初始化训练和测试网络。
step6: InitTrainNet() 通过xxx.prototxt 指定的xxxnet.prototxt读取net的参数，调用net.cpp Net()的构造函数，创建训练网络，
step7: net.cpp Net()调用net.cpp Init()函数，通过for循环来1)创建网络中每一个Layer对象，2)设置bottom和top，3）调用layer.cpp Setup()，Setup()里会调用具体layer的LayerSetUp()和Reshape()
step8: 调用InitTestNets()创建测试网络，与InitTrainNet(）类似
step9: 运行返回到caffe.cpp train()中，利用创建好的solver对象调用solver.cpp Solve()函数
step10: solver.cpp Solve() 调用 solver.cpp Step()函数，while循环迭代的次数，每次迭代 1）调用net.cpp ForwardBackward()来前向以及后向传播 2)solve.cpp ApplyUpdate()更新参数 3）每一定轮次运行solver.cpp TestAll()
caffe.cpp中的main()调用train()，train()中创建solver对象，solver对象初始化会调用solver.cpp中的Init()
Init()中，创建InitTrainNet()和InitTestNet()
返回到caffe.cpp的train()中，调用Solver()来训练网络，具体过程在solver.cpp的Step()中实现
以上抄自这里
layer_factory
- #表示：对应变量字符串化
- ##表示：把宏参数名与宏定义代码序列中的标识符连接在一起，形成一个新的标识符
- 连接符#@：它将单字符标记符变换为单字符，即加单引号。例如
#define B(x) #@x，则B(a)即’a’，B(1)即’1’1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
int main(int argc, char* argv[])
{
int i = 1;
char *s = "three";
float x = 2.0;
trace(i, d); // i = 1
trace(x, f); // x = 2.000000
trace(s, s); // s = three
int x1 = 1, x2 = 2;
trace2(1); // x1 = 1
trace2(2); // x2 = 2
return 0;
} - 看这里吧，我太懒了。