caffe使用gdb单步调试及源码阅读

转载地址：http://blog.csdn.net/dengbingfeng/article/details/51469051

版权声明：本文为博主原创文章，未经博主允许不得转载。

目录(?)[-]

1. 一caffe单步调试
2. 二Caffe入口函数
3. 三初始化训练网络
4. 四前向传播
5. 五反向传播

本文主要是介绍我在阅读caffe过程中参考的顺序以及网站。

首先阅读caffe看了知乎上面的这篇文章 深度学习caffe的代码怎么读？参考的是Gein Chen大神的回答：

1.先让程序跑起来，看看结果，这样就会有直观的感受。

2.单步调试，跟着Caffe在网络里流动。

3.个性化定制Caffe。

4.理解并实现Backpropagation。

本文主要是进行了简单的单步调试，并跟着网络的结构看了网络的init() forward()以及backward()的过程。现在将我看的大概过程给大家分享。

一.caffe单步调试

1.config文件中将debug设置为1。

2.重新编译caffe。

3.使用gdb —arg  例如:   gdb --args ./build/tools/caffe.bin train  --solver=examples/mnist/lenet_solver.prototxt

4.在caffe.cpp(caffe的入口函数)中设置断点

5.gdb - r 让程序run起来

注：gdb不熟悉可以需先补充相关知识

二.Caffe入口函数

1.caffe 入口函数参考：caffe.cpp 程序入口分析

这篇文章从caffe的main函数出发，介绍了caffe一步一步如何向下执行，同时这篇文章还科普了typedef、#define 宏定义等等基础知识，非常适合初学者阅读。

2.caffe 训练网络参考: （Caffe，LeNet）训练网络入口

这篇文章讲了如何将solver参数读入进去，solver如何创建、Solver::Solve()函数以及如何调用到sgdSolver()上以及Solver::Step()函数等等，非常适合看完上篇main函数之后，在接着看caffe.cpp中的train函数。

三.初始化训练网络

初始化训练网络的文章参考文章：初始化训练网络

这篇文章讲了如何将net的参数读入到网络，网络的整体结构、网络的数据层、卷积层、pooling层、全连接层 softmax等等的初始化，以及每一个层blob的结构是什么样进行了介绍。

关于测试网络的初始化也可以参考:测试网络的初始化

四、前向传播

前向传播的文章可以参考文章：(Caffe，LeNet）前向计算

这篇文章主要剖析Caffe中Net::Forward()函数，即前向计算过程。

这里主要说一下卷积层的实现，其他层的实现相对较简单。

卷几层的实现可以参考caffe作者贾杨清关于卷几层的说明：caffe卷几层是如何实现

说明了为何使用im2col的方法来实现卷积，虽然比较占内存。这里im2col的方法需要花时间去理解。

五、反向传播

反向传播的文章可以参考：caffe反向传导算法

这篇文章虽然只是以全连接层以及softmax层为例介绍了caffe反向传播是如何完成，这篇文章包含了公式推导以及那些实现是如何与公式完美结合。

个人建议是阅读反向传播之前将反向传播自己推导一遍，然后对着源代码看，这样对代码的理解会更加深刻与清晰。