ncnn源碼分析-003-net

1.結構信息

net是ncnn的核心部分，起着組織整個框架結構的作用，捋順net的結構，基本上對ncnn的代碼框架也就有一個大概的了解了。首先看一下net的類結構信息。

class Net
{
public:
    int usewinograd_convolution; //是否使用winograd進行卷積
    int use_sgemm_convolution; //是否使用矩形乘法的形式進行卷積
    int use_int8_inference; //是否使用int8進行推斷
    int use_vulkan_compute; //是否使用gpu
    
    int load_param(FILE *fp); //從參數文件中讀取網絡結構
    int load_model(FILE *fp); //從模型文件中讀取模型參數
    Extractor create_extractor(); //net中的另一個類Extractor
protected:
    std::vector<Blob> blobs;//網絡的所有blob，但是不包含blob的具體數據（nchw維數據）
    std::vector<Layer*> layers;//網絡的所有層指針
    
    int forward_layer(int layer_index, std::vector<Mat> &blob_mats, Options &opt);
    int find_blob_index_by_name(const char* name); //通過blob名字查找blobs里的index
    int find_layer_index_by_name(const char *name); //通過layer名字確定layer的索引
}

class Extractor
{
public:
    int Extractor::input(const char *blob_name, const Mat &in);
    int Extractor::input(int blob_index, VkMat &feat, VkCompute &cmd);
    int Extractor::extract(const char *blob_name, Mat &feat);
    int Extractor::extract(blob_index, const Mat &feat);//次函數直接forward_layer()

private:
    const Net *net;
    std::vector<Mat> blob_mats; // 該結構體是blob的真正數據存放
    Option opt;
}

2.forward_layer

• forwar_layer有兩個主要輸入參數，分別是layer_index和blob_mats
  layer_index:要提取的blob的生產者
  blob_mats：整個網絡中所有blob的真正數據
  首先根據layer_index找到對應layer，然后提取該layer的bottom_index和top_index，再根據bottom_index找到對應的blob，最后找到該blob的生產者，也就是上一層，進入遞歸調用。直到找到網絡的第一層。
• 入棧過程工作是從后往前找：layer_index——>bottom_blob——>bottom.producer（layer_index）不斷找當前層的前一層，終止條件是bottom_blob維度不等於0
• 出棧是從前往后一次執行layer的類成員函數layer->forward(bottom_blob, top_blob,opt)：第一層的的輸入是數據，得到輸出，再作為下一層的輸入，依次出棧，bottom_blob_index和top_blob_index是在入棧時候確定好的。