深度学习 deep learning 深度学习框架 caffe 深入学习过程（开篇）

开辟一个新的部分，打算在这个部分里记录学习整个深度学习框架的过程，从开始学习，到不断地深入研究，分析源码，以及自由的使用。然后将这里学习到的关于深度神经网络的内容，迁移到tensorflow，这几个框架进行对比，不断的深入理解。

首先工欲善其事，必先利其器，先在windows下安装好cpu 版的caffe（我在我的博客里已经写的很详细了），然后安装好matlab，因为caffe提供了matlab的接口，因此可以在matlab里面跑caffe，然后不懂得部分，查询c++的源码。

caffe提供了3种方式进行使用，训练网络：1、使用命令行，也就是在编译caffe的时候，已经编译出了二进制版本的模型训练，预测的可执行文件，之后只要准备好deploy.prototxt，bvlc_reference_caffenet.caffemodel这两个文件，分别定义了神经网络的配置，已经训练好的网络参数，为了进行测试，还需要输入data/ilsvrc12下面的imagenet_mean.binaryproto用于对测试图像做预处理（减去均值）。然后运行可执行文件，然后把这几个文件当作参数传进去，即这个版本的是原生c++版本的caffe使用，因为本身caffe是c++写的，因此直接该c++代码，来完成网络的训练,跟踪，调试。2、另一种方式是matlab版本，这个版本是用c++写好了matlab的接口，然后编译成动态链接库，供matlab调用，这样的话，就存在一个问题，在matlab调用，可以得到结果，但是想要追踪训练过程，是很不方便的，但是有一个好处是matlab更加的明了，用起来挺顺手。3、python版本，和matlab用起来类似，同样无法追踪训练过程，网络的初始化过程等。