引言
之前对caffe进行了基本的了解，也跑了一些例程，仍觉得虽然自己对大体结构了解，但是终究是要自己动手写代码的，所以还是决定看一下caffe源码。网络上资源已经很多，所以这篇博客主要是资料的汇总，以及记录一些新的角度。
调试工具和环境
可以使用Qt creator IDE对caffe源码进行调试，环境搭建教程CSDN
注意：由于一般默认单独编译caffe的时候按官网步骤都有安装一个libopencv-dev,该包为2.4.X版本，如果你又自行安装了opencv3.x.x，编译时会出现一些问题，常见的显示opencv_xxx未定义。如果你的opencv3.x.x是用cmake默认编译，则可在build-seting界面里将OpenCV_DIR改为默认安装目录/usr/local/share/OpenCV，如果自己安装到了其他目录，可改为相应目录即可。
流程
函数起点：/caffe_root/tools/caffe.cpp中的 int main(**) 主函数 其中GlobalInit()主要负责解析命令行，GetBrewFunction()根据解析结果调用相应的函数，如train
int train() :首先读取solver.prototxt文件中的solver_parameter;分配使用GPU或CPU；对snapshot等信号进行判断；调用solver_factory中的CreateSolver(solver_param)类来创建并注册一个solver，随后进入solver.cpp中的Init()。
solver.cpp:在Init()中首先打印了solver_parameter，然后调用InitTrainNet(),在里面new了个Net<Dtype>(net_param)，随即转入net.cpp;
net.cpp：进入Net类之后，其中有一个Init(param)进行网络的初始化，首先调用FilterNet读取网络定义并输出该信息；
其次建立所有层及其联系，采用类似于solver_factory的方式，用LayerRegistry<Dtype>::CreateLayer(layer_param)来构建层(注册)；
接下来找出层的输入和输出，并调用相对于层的函数来返回输入的数据尺寸，还包括读取训练数据并返回过程信息；
构建层结束之后，开始初始化层，包括(输出)数据尺寸，需要的存储空间。通过多次循环的构建/初始化层来搭建整个网络。
通过初始化完成之后回到solver.cpp的InitTrainNet()中的NetState net_state;位置。紧接着执行InitTestNets();
负责调用一个由caffe.proto生成的一个caffe.pb.h文件中的caffe::SolverParameter，未完待续.....
资料汇总
说明：以下参考资料有些博主有系列文章，很值得点进去一看！！！
caffe.proto
这个文件使用了Google 公司内部的混合语言数据标准Google Protocol Buffer( 简称 Protobuf) ，Protocol Buffers 是一种轻便高效的结构化数据存储格式，可以用于结构化数据串行化，或者说序列化。它很适合做数据存储或 RPC 数据交换格式。可用于通讯协议、数据存储等领域的语言无关、平台无关、可扩展的序列化结构数据格式。目前提供了 C++、Java、Python 三种语言的 API。（摘自）
所以阅读这一部分不可避免的要知晓它的基本使用规则，附上我查到的比较好的参考链接Protobuf学习 - 入门 - Aut - 博客园
参考资料：video_data_layer
参考链接：
【caffe源码笔记】VideoDataLayer解析 - CSDN博客
caffe源码之VideoDataLayer - CSDN博客