1.SyncedMemory
这个类SyncedMemory的作用是数据存储，在CPU和GPU上各有一块内存空间（大小为size_）。
先看初始化
SyncedMemory() : cpu_ptr_(NULL), gpu_ptr_(NULL), size_(0), head_(UNINITIALIZED), own_cpu_data_(false), device_context_(Caffe::GetDefaultDeviceContext()), cl_gpu_mem_(NULL) { }
重要的成员变量
enum SyncedHead { UNINITIALIZED, HEAD_AT_CPU, HEAD_AT_GPU, SYNCED };//用来表示内存分配状态，未分配、CPU已分配、GPU已分配、两边内存已同步。 private: void to_cpu();//判断head_，如果CPU未分配就开辟空间或者从GPU上copy void to_gpu();//<span style="font-family: Arial;">判断head_，如果GPU未分配就开辟空间或者从CPU上copy </span> //两个指针 void* cpu_ptr_; void* gpu_ptr_; size_t size_;//数据大小 SyncedHead head_;//数据分配状态 bool own_cpu_data_;//CPU指针是自己分配的内存还是引用别人的内存（存疑） DeviceContext *device_context_;//设备 #ifdef USE_GREENTEA cl_mem cl_gpu_mem_;//在opencl里用，这时候的<span style="font-family: Arial;">gpu_ptr_是强制类型转换（void*）</span><span style="font-family: Arial;">cl_gpu_mem_。</span><span style="font-family: Arial;"> </span>#endif
还有个比较重要的区分，
const void* cpu_data();//返回CPU指针，注意是const不可改的，返回之前会调用to_cpu()。 void set_cpu_data(void* data);//CPU指针指向data，这时候不再own cpu data，但是size_未设置。 const void* gpu_data();//同上。 void* mutable_cpu_data();//这个返回的指针是mutable可变的，可以改写类的数据，返回前调用to_cpu()，调用之后要设置head_为不同步状态。 void* mutable_gpu_data();//同上。
2.Blob
这个类可以理解成每一层的参数数据（每层有个Blob的向量保存weights、bias等），保存了原始数据和传回来的梯度。
看成员变量，特别说明下，num_axes一般指shape_的size
protected: shared_ptr<SyncedMemory> data_;//原始数据 shared_ptr<SyncedMemory> diff_;//传回的梯度 shared_ptr<SyncedMemory> shape_data_;//形状信息（就是shape_的一串数） vector<int> shape_;//形状（也可以叫维度），最常见是4维（num、channel、width、height），最多INT_MAX维，其余维度作用存疑。 int count_;//数据Dtype num，大小是num*channel*width*height。 int capacity_;//按理说同count_，容量，具体作用存疑 DeviceContext *device_context_;//设备 初始化 Blob() : data_(), diff_(), count_(0), capacity_(0), device_context_(Caffe::GetDefaultDeviceContext()) { } 一些有代表性的函数 bool Blob<Dtype>::Reshape(const vector<int>& shape);//看名字很好理解是干啥的，主要会改shape_、shape_data_（内存）、count_、capacity_、两个数据（内存大小） inline int offset(const int n, const int c = 0, const int h = 0, const int w = 0);//可以看组织形式 ((n * channels() + c) * height() + h) * width() + w void Update();//data减去diff，调数学库做。 void FromProto(const BlobProto& proto, bool reshape = true);//这就是读protex文件要调的吧（待看）。 //其余一些asum、sumsq、scale、share等等操作，看名字就知道在干嘛了，直接贴上来，也有英文注释 /// @brief Compute the sum of absolute values (L1 norm) of the data. Dtype asum_data() const; /// @brief Compute the sum of absolute values (L1 norm) of the diff. Dtype asum_diff() const; /// @brief Compute the sum of squares (L2 norm squared) of the data. Dtype sumsq_data() const; /// @brief Compute the sum of squares (L2 norm squared) of the diff. Dtype sumsq_diff() const; /// @brief Scale the blob data by a constant factor. void scale_data(Dtype scale_factor); /// @brief Scale the blob diff by a constant factor. void scale_diff(Dtype scale_factor); /// @brief Add diff from other blob by alan void AddDiffFrom(const Blob& other); /// @brief Clear diff void ClearDiff(); /** * @brief Set the data_ shared_ptr to point to the SyncedMemory holding the * data_ of Blob other -- useful in Layer&s which simply perform a copy * in their Forward pass. * * This deallocates the SyncedMemory holding this Blob's data_, as * shared_ptr calls its destructor when reset with the "=" operator. */ void ShareData(const Blob& other); /** * @brief Set the diff_ shared_ptr to point to the SyncedMemory holding the * diff_ of Blob other -- useful in Layer&s which simply perform a copy * in their Forward pass. * * This deallocates the SyncedMemory holding this Blob's diff_, as * shared_ptr calls its destructor when reset with the "=" operator. */ void ShareDiff(const Blob& other); bool ShapeEquals(const BlobProto& other);总结一下吧，写完这些发现，syncedMem其实是保证了数据的存储和拷贝，而Blob封装了对于数据的操作（深度学习要用的操作），而且组织形式（data和diff）也符合网络的结构。
