Caffe

caffe-工具箱

caffe使用工具

caffe 编译后生成动态链接库 libcaffe.so。使用caffe时，在main.cpp中调用相应API，编译时包含对应的头文件，链接时加入 libcaffe.so。如此才是一个完整的caffe应用。

在tools/中就是一些调用libcaffe.so的工具源码。

前面提到过，caffe.bin工具由4个功能：

1
2
3
4
./caffe.bin train           #train or finetune a model
./caffe.bin test            #score a model
./caffe.bin device_query    #show GPU diagnostic information
./caffe.bin time            #benchmark model execution time

从tools/caffe.cpp中看看是如何实现传递不同的参数，执行不同的功能。

首先定义一个caffe命令注册表：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
typedef int (*BrewFunction)();
typedef std::map<caffe::string, BrewFunction> BrewMap;
BrewMap g_brew_map;

#define RegisterBrewFunction(func) \
namespace { \
class __Registerer_##func { \
    public: /* NOLINT */ \
        __Registerer_##func() { \
    g_brew_map[#func] = &func; \
    } \
}; \
__Registerer_##func g_registerer_##func; \
}

device_query命令：

1
2
3
4
5
6
7
8
9
10
11
int device_query() {
    LOG(INFO) << "Querying GPUs " << FLAGS_gpu;
    vector<int> gpus;
    get_gpus(&gpus);  // TODO 
    for (int i = 0; i < gpus.size(); ++i) {
        caffe::Caffe::SetDevice(gpus[i]);
        caffe::Caffe::DeviceQuery();
    }
    return 0;
}
RegisterBrewFunction(device_query);

train命令

1
2
int train() {...}
RegisterBrewFunction(train);

test命令

1
2
int test() {...}
RegisterBrewFunction(test);

time命令

1
2
int time() {...}
RegisterBrewFunction(time);

上述将4条命令加入注册表。

从注册表中取对应的命令：

1
2
3
4
5
static BrewFunction GetBrewFunction(const caffe::string& name) {
    if (g_brew_map.count(name)) {
        return g_brew_map[name];
    } else {...}
}

从main函数中调用：

1
2
3
4
5
6
7
8
9
10
11
12
int main(int argc, char** argv) {
    ...
    gflags::SetUsageMessage("command line brew\n"
        "usage: caffe <command> <args>\n\n"
        "commands:\n"
        "  train           train or finetune a model\n"
        "  test            score a model\n"
        "  device_query    show GPU diagnostic information\n"
        "  time            benchmark model execution time");
    ...
    return GetBrewFunction(caffe::string(argv[1]))();
}

如上实现了在caffe.bin工具中执行不同的命令。

还有其他工具：特征提取，图像格式转换，计算图像均值，等等。

编写自己的工具

编写自己的工具帮助理解 caffe 框架和操作。

caffe中的GPU实现

其实caffe不需要手动编写CUDA程序，而是直接使用cuBLAS实现数学计算，相当于CPU端的OpenBLAS和MKL计算库。

上述是从数学计算角度，而对于DL中常见算子，如卷积，下采样等，在cuDNN中都已实现。