這兩天一直在研究faster rcnn的原始碼，可是依舊感覺雲裡霧裡，故下定決心把caffe呼叫python layer的流程仔細走一遍，好明白到底是什麼在呼叫python layer。話說 linux 除錯還真是蛋疼啊，木有ide那樣直接下斷點，gdb又不會用，只能傻比比的不斷的log(info)輸出。還好最終還是明白了，我就直接順著faster rcnn來說，並記錄在此。
faster rcnn最核心的**就是在lib檔案中，其他的都只是各種呼叫檔案而已。不過lib裡寫了很多個模組，如何讓caffe知道模組在**，並呼叫呢？這是我搞一晚上的初衷。我先大概說一下caffe正常的流程，首先從檔案中讀入solver並生成乙個solver，然後根據solver的net路徑生成乙個net，net呼叫layer_factory迴圈生成每個層，最後根據讀入model或是filler來初始化引數。實際上也怪自己馬虎大意，沒太細看**，導致所用的時間比較多。從上面的流程可以知道layer_factory是迴圈生成每個層，我看.cpp檔案也的確寫了#if with_python_layer，然後有什麼什麼操作，比如儲存python layer的python_param，並呼叫setup，不過我沒看出來這裡實際上已經是利用boost進行c++ python混編了。這些操作的定義就在python_layer.hpp檔案中，我當初還以為在什麼python***.cpp中，找了半天也沒找到。layer_factory中python layer的setup相關具體操作是，先根據param找到module的位置，再載入module，再根據層名載入層，然後前向計算反向計算什麼的。這些就已經算是達到目的了。不過只是知道相對路徑，怎麼可能載入成功呢？然後又繼續找啊找，終於在faster rcnn的tools檔案中找到。_init_paths裡有寫一些預操作，比如將lib路徑寫入pythonpath中，當然如果寫入的話，這樣就可以直接載入了。終於搞定。
這次也算是個小問題而已，不過只有再理清了整條脈絡，看**才會更加清晰，故也算是個重要的問題吧。不過這次也算是暴露了我不認真的問題，以後還是要耐心仔細找答案才行啊。。。。
呼叫caffe的Python和C 的方法
方法1 直接寫sh指令碼檔案，再執行sh檔案即可，這種最簡單，也是最常用的，新手可以參照.examples 下的各種例項sh檔案。方法2 在caffe root目錄下，直接在linux的命令列視窗執行 build tools caffe 後面加上相應的引數即可。在linux中編譯caffe的時候，一...
caffe 呼叫多塊gpu
一.檢測配置 使用命令檢視機器裡面安裝了幾塊顯示卡 二.更改配置檔案 在檢視到機器裡面安裝的顯示卡不止一塊時，就可以通過更改配置檔案，在編譯通過後，就可以使用多個gpu同時執行。設定makefile.config 開啟開關 use nccl 1，並新增nccl庫路徑 use nccl 1 將之前的注...
caffe呼叫已生成的模型
如上圖 就是build tools caffe.bin檔案，上圖就有它的指令介紹。在mnist呼叫已經訓練好的模型，測試。這個測試，假定可能是新加入的測試集，還是按照原來的需求轉換，存放資料到指定的位置。build tools caffe.bin test model examples mnist ...