关于google protocol buffer（PB）的优缺点和一些个人的理解

由于caffe的神经模型通过protocol buffer定义，所以自己搜刮了一些资料，加上自己的一些理解，如下：

protocol buffer用一句话概括就是一个数据传输协议,用来将你程序中需要保存的数据以结构化的形式保存起来,并以相应的的格式读取.有人会问,直接用C++的读写文件函数不就行了么,为什么还要用这个工具.这主要是因为当你需要存取的数据量很大时,系统提供的方法效率很低,根本不能满足我们的需求,因此就需要一个高效的读写工具,这就是protocol buffer的优势,相应的网站是:

https://code.google.com/p/protobuf/downloads/list

总结一下优缺点：

优点：

（1）性能好/效率高
有人做过测试,xml比protobuf慢3-4倍
测试：100000个对象

（2）代码生成机制
　我们拿深度学习训练系统来说（假设用C++实现），假设神经网络的卷积层包含如下参数:

－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
　　网络名称：name
　　网络类型：type
　　卷积层参数：convolution_param
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
　　如果使用protobuf实现，首先要写一个proto文件（不妨叫VGG.prototxt）：
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
layers{
  name: "conv2"
  type: CONVOLUTION
  convolution_param {
num_output: 192
kernel_size: 5
stride: 1
weight_filler {
 type: "xavier"
}
bias_filler {
 type: "constant"
 value: 0.1
}
  }
  bottom: "eltwise1"
  top: "conv2"
}
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
接着利用protobuf内置的编译器编译这个文件，重点可以看这个文件solver.hpp。
有了protocol 我们就不用自己写协议去解析这些文件了，是不是很方便
还有一个好处是：如果通讯双方使用不同的语言，使用protocol 可以有效确保两边的模块对于协议的处理是一致的。

缺点：

XML 的通用性比Protobuf 好一些，毕竟Protobuf 没有开源前只是 Google 内部使用的工具
最大的问题是保存的数据以二进制形式读取，调试的时候没办法查看内容。。。