搞不懂caffe让我觉得很不爽（1）

blobs四维数组存储layers间传递的数据，什么需要在层间传递？神经网络是一个复杂的函数，下一层的输入是上一层的输出，所以数据要forward传播；神经网络的参数训练通过反向传播残差，所以导数需要backward传播。

那参数呢？

参数不是流动的，参数与layers绑定，data来的时候参与计算，diff来的时候参与更新。肯定也需要用数组存，用什么？

网络中数据都是用blob存储，不管什么类型，所谓流动数据只是后面的layer会用到前面layer计算出的blob中存储的数据，不流动的数据就是后面的layer不用。存储是统一的。

流动的data，流动的导数，本地W，本地b（conv层和innerproduct层有，pooling层没有）

就是很大的一维数组，为什么取名叫blob？有什么特别？

参数和样本数无关，所有样本都是用同样的参数在训练，所以存参数时不需要N，应该是卷积核个数×维数×sizeH×sizeW即可，rachel是啥意思？b如何与W匹配？