先自頂向下捋清楚框架結構：

工程目錄下資料夾

data/       用於存放下載的訓練資料
docs/       幫助文件
examples/   程式碼樣例
matlab/     MATLAB介面檔案
python/     PYTHON介面檔案
models/     一些配置好的模型引數
scripts/    一些文件和資料會用到的指令碼
tools/     包括程式入口檔案就是caffe.cpp，計算影象均值（生成二進位制處理程式），裝置查詢，影象格式轉換，單獨的訓練和測試入口
include/    Caffe的實現程式碼的標頭檔案
src/        實現Caffe的原始檔

其中src/caffe/目錄下的資料夾作用如下（caffe的原始檔）：

test/    用gtest測試caffe的程式碼
util/    資料轉換時用的一些程式碼。caffe速度快，很大程度得益於記憶體設計上的優化（blob資料結構採用proto）和對卷積的優化（部分與im2col相關）
proto/   即所謂的“Protobuf”，全稱“Google Protocol Buffer”，是一種資料儲存格式，幫助caffe提速，詳見本人上一篇帖子；
layers/  深度神經網路中的基本結構就是一層層互不相同的網路了，這個資料夾下的原始檔以及目前位置“src/caffe”中包含所有.cpp檔案就是caffe的核心目錄下的核心程式碼了。

src/caffe/目錄下的程式碼（包含對blob，layer，net，solver等的定義）作用如下：

blob[.cpp .h]             基本的資料結構Blob類
common[.cpp .h]           定義Caffe類
internal_thread[.cpp .h]  使用boost::thread執行緒庫
net[.cpp .h]              網路結構類Net
solver[.cpp .h]           優化方法類Solver
data_transformer[.cpp .h] 輸入資料的基本操作類DataTransformer
syncedmem[.cpp .h]        分配記憶體和釋放記憶體類CaffeMallocHost，用於同步GPU，CPU資料
layer[.cpp .h]            層類Layer
layers/           此資料夾下面的程式碼全部至少繼承了類Layer, 從layer_factory中註冊繼承