转自：https://blog.csdn.net/wydbyxr/article/details/77856209
基本的认识
Caffe2 中基本计算单元之一是 Operators。每个 Operator 包含给定适当数量和类型的输入和参数来计算输出所需的逻辑。caffe2 宣称是轻量级、模块化和可扩展的一个框架
之前layer的概念被弱化，数据与操作完全分开，
网络的编写也向tf靠拢了
最后还要说一点就是对Python的支持大大增强
Caffe2更注重模块化，在移动端、大规模部署上表现卓越。如同TensorFlow，Caffe2使用C++Eigen库，支持ARM架构。
Caffe2延续了它对视觉类问题的支持，且增加了对自然语言处理、手写识别、时序预测有帮助的RNN和LSTM支持。
fsync（fsync函数同步内存中所有已修改的文件数据到储存设备）
TODO:检查构建文件是否需要更新
OperatorDef& operator_def是指op名
可视化
pyplot.hist()：查看直方图
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
三大要素
Workspaces
Operators「算子」
Nets
与TensorFlow相比：
数据和操作就是tf.matmul和tf.Variable；
workspace概念很像是tf中的Session
主要概念
I)Blobs和Workspace，Tensors
blobs：是一个张量（可视为多维数组）。使用numpy（即python的数组库）。
Workspace：存储所有的blob。对blob输入和输出对workspace中，要使用
x = np.random.rand(4, 3, 2)
workspace.FeedBlob(“my_x”, x)
x2 = workspace.FetchBlob(“my_x”)
II)Nets and Operator
NET：是op的表
operator：需要输入，得到输出。是caffe2的基础计算单元
使用model helpers是编程更简单。例m = cnn.CNNModelHelper(name=”my first net”)
CNNModelHelper将创建两个相互关联的网络：
一个初始化参数的net（参考init_net）
一个实际训练的net（参考exec_net）
用Python构建网络，将net用C++存入缓存中，并用C++运行网络
主要文件夹和文件
contrib/下的是捐献，包括ios的mpscnn、torch
Dockerfile指定目标新建一个镜像
Cmakelist.txt是Cmake的配置文件。在 Linux 下进行开发很多人选择编写 makefile 文件进行项目环境搭建，而makefile 文件依赖关系复杂，工作量很大。采用自动化的项目构建工具 CMake 可以将程序员从复杂的 makefile 文件中解脱出来。
core/：中心，核心，精髓;是caffe的最基础文件。包括workspace、db、blob等
proto/：和core一样重要；它们两是caffe2的核心
scripts/:可以看到iOS、Android、Raspberry PI、windows等平台的编译脚本，而仅仅改动几行，就可以支持watchOS
算子目录（Operators Catalogue）
查看稀疏操作（Sparse Operations）
只需要运行几行代码即可调用Caffe2中预先训练好的Model Zoo模型。
- Caffe2框架已经应用在Facebook平台上
caffe2的目录结构
├── binaries
├── contrib
│ ├── docker-ubuntu-14.04
│ ├── gloo
│ ├── mpscnn-fb
│ ├── nccl
│ ├── nervana
│ ├── nnpack
│ ├── prof
│ ├── snpe-fb
│ ├── torch
│ └── warpctc
├── core
├── cuda_rtc
├── db
├── distributed
├── experiments
│ ├── operators
│ └── python
├── image
├── mkl
│ └── operators
├── mpi
├── operators
├── proto
├── python
│ ├── docs
│ ├── examples
│ ├── helpers
│ ├── layers
│ ├── mint
│ │ ├── static
│ │ │ └── css
│ │ └── templates
│ ├── models
│ ├── operator_test
│ ├── predictor
│ ├── tutorial
│ └── tutorials
│ ├── experimental
│ └── images
├── queue
├── sgd
├── test
│ └── assets
└── utils
├── mkl
└── threadpool
48 directories