Caffe(Convolution Architecture For Feature Embedding(Extraction) )
下载了caffe-master之后会发现其目录下有多个文件，，master下的文件目录如下图caffe-master
下面来一一说明一下各个文件夹～～
build——存放所有编译好的文件
cmake——其文件夹下的各.cmake文件可用于输出进行编译操作的 makefile文件;
data——执行该文件夹下的.sh文件可用于获取对应的数据集
distribute——该文件夹中是一些待编译的源文件，用make distribute编译生成可发布的安装包，用来交付给第三方使用。
docker——Docker是一个开源的应用容器引擎，该文件夹下有cpu和gpu对应的dockerfile文件，dockerfile是由一系列命令和参数构成的脚本，这些命令应用于基础镜像并最终创建一个新的镜像，再由这些镜像来创建容器。
docs——一些教程和说明文件，其中说明了网络如何进行定义等相关问题。
examples——存放了各种实例的demo，可用于进行实验测试
include——存放了编译caffe时需要的各种hpp头文件
matlab——caffe的matlab接口
python——caffe的python接口
models——model文件的路径，一些训练好打model，可用来直接进行测试，需要更多打模型可以参考model zoo：caffe.berkeleyvision.org/model_zoo.html
scripts——用于存放一些脚本文件
src——所有源代码存放的位置
tools——提供了caffe框架的主要工具，其编译完成的文件在build/tools中
该目录下的Makefile.config（Makefile.config.example）——用于对caffe进行编译时的配置文件。
另外，
a、文件中后缀为.prototxt表示模型描述文件，其中因作用不同而分为包含数据层或不包含数据层。
xxx_caffenet_train_val.prototxt//包含数据层，用于训练进行训练，其对应的网络配置文件为xxx_solver.prototxt
deploy.prototxt//不包含数据层，用于通过加载模型，进行测试
b、文件中后缀名为.caffemodel表示权值模型文件，是已经训练好的参数包，用于进行微调或者测试
c、文件中的log.txt//输出训练 或测试日志，用于每一步进行显示
在训练阶段，需给出参数solver的位置;在测试阶段需给出参数model及训练完成的参数weight，即.caffemodel
相关的命令操作可具体参考blog.csdn.net/m0_37407756/article/details/70687887中的命令部分。其中有说到如何从中断点snapshot继续进行训练，如何对已有的模型显示提取图片的特征，以及分类单个输入的图像。
