caffe框架中，数据结构主要包括：Blob、Layer、Net、Solver。caffe的所有数据结构都在caffe根目录下的src/caffe/proto/caffe.proto文件中进行了描述。
首先，Blob是caffe中基本的数据结构，如果把caffe比作一栋大楼，那么Blob就是每一块砖。通过Blob这些砖构建成一层一层的楼层Layer，每一层合在一起就构成了大楼Net。prototxt用来描述网络和求解器，它可以看做是大楼的图纸，而Solver则可以看做是大楼的建筑工艺。
1、Blob
Blob是caffe的基本数据结构，它在内存中表示4维数组，维度由高到低为（num、channels、height、width）。这四个维度可以这样理解，它们用来描述一组图像，num可以理解为图像的个数，channels可以理解为颜色通道，比如RGB的每个通道，height和width则可以理解为图像的高和宽。Blob存储了包括神经元的激活值、参数、以及相应的梯度。在进行网络计算时，每层的输入输出都是需要通过Blob对象缓冲。
2、Layer
代表神经网络的层，由各种各样的层来构成整个网络。一般一个图像或样本会从数据层中读进来，然后一层一层的往后传。所以每个Layer至少有一个输入Blob和一个输出Blob，部分Layer带有权值和偏置项，有两个运算方向：前向传播和反向传播，其中前向传播计算会对输入Blob进行某种处理（有权值和偏置项的Layer会利用这些对输入进行处理），得到输出Blob；而反向传播计算则对输出Blob的diff进行某种处理，得到输入Blob的diff（有权值和偏置项的Layer会计算权值Blob、偏置项Blob的diff）。
3、Net
Net在caffe中代表一个完整的CNN模型，它包含若干Layer实例。它相当于一张图纸，在caffe中通过.prototxt文件进行描述。通过对.prototxt文件的研究，发现Net就是若干Layer的集合体。
4、Slover
Solver是按solver.prototxt的参数定义对Net进行训练，首先会初始化一个TrainNet和一个TestNet，然后其中的Step函数会对网络不断进行迭代，主要就是两个步骤反复迭代：（1）不断利用ComputeUpdateValue计算迭代相关参数。（2）调用Net的Update函数对整个网络进行更新。迭代中的训练日志中的大部分输出也是在这里输出的。
本文只对caffe的数据结构进行简单介绍，在接下来的文章中，我们将会对caffe数据结构进行代码级的详细介绍，逐层揭开caffe的神秘面纱。
