這些物件如何相互作用

使用者希望使用 caffe 進行 CNN 培訓和測試。使用者決定 CNN 架構設計（例如 - 層數，濾波器數量及其細節等）。在要進行訓練的情況下，使用者還決定用於訓練和學習引數的優化技術。如果操作是普通的香草測試，則由使用者指定預先訓練的模型。使用所有這些資訊，使用者例項化一個 Solver 物件，併為 Solver 物件提供一條指令（它決定了諸如訓練和測試之類的操作）。

解算器 ：可以將此物件視為監督 CNN 的訓練和測試的實體。實際的承包商在處理器和執行中獲得 CNN。它專門用於執行導致 CNN 接受培訓的特定優化。

Net ：Net 可以被認為是一個專家物件，代表實際操作的 CNN。Solver 指示 Net 實際為 CNN 分配記憶體並例項化它。Net 還負責發出實際導致通過 CNN 進行前向或後向傳播的指令。

圖層 ：它是表示 CNN 的特定圖層的物件。因此 CNN 由層組成。就 caffe 而言， Net 物件例項化體系結構定義中指定的每個Layer型別，它還將不同的層連線在一起。特定層執行一組特定的操作（例如 - 最大池，最小池，2D 卷積等）

Blob ：資料在訓練和測試期間流經 CNN。除了包含使用者資料之外，該資料還包括通過 CNN 執行的若干中間計算。此資料封裝在名為 Blob 的物件中。