前面在solver的层面把caffe的整体运行流程梳理了一遍．今天接着来梳理Net部分.

前几天跑了一个mnist的例子，今天开启源码分析之路．不过本系列不会拘泥于每一行代码，只是从总体框架出发，把源码理顺．第一篇博文就是为了理顺程序运行过程.

算法无处不在，但是有些算法是通用的．比如排序，查找等．为了提高c++代码的利用率，STL专门写了algorithms这个模板．

在C++STL容器的相关博文中，已经用到了迭代器．本文只是做一些梳理，不会讲解迭代器具体的实现．

众所周知，STL提供了很多容器．更重要的是为这些容器提供了丰富了API,本篇博文来稍微梳理一下，已达到使用时心中有数的效果.

C++的STL库确实好用，不过它也屏蔽了很多细节,让人选择容器时会有困惑．本篇博客来谈一下它的内存，请注意该博文几乎都是转载的．

用C++编程，肯定会用到STL库，因为我们不希望重复的造轮子．本篇博客主要梳理一下STL中的容器以及个人的小小见解．

caffe提供了很多深度学习网络，例如Lenet,Imagenet,Alenet.但是最重要的我们会利用这些网络训练自己的数据集以及调参数，甚至发明自己net．本篇博文主要是记录利用caffe中的Lenet训练kaggle中的手写体数据集.

其实caffe的安装很简单，尤其是ubuntu14.04的用户.本文只是简单梳理一下，以及跑个简单的例子

PCA最显著的特征是用来进行数据处理－对数据降维，不过它也是早期人脸识别的手段．$ $