faster-rcnn在训练阶段，根据一个solver的prototxt文件创建相应的网络。仅凭一个prototxt就创建网络？其实还涉及到自定义的PythonLayer. 比如lib/rpn/anchor_target_layer.py，一开始感觉它只定义了一个AnchorTargetLayer类但是没有使用过（grep查找找不到），仔细分析源码执行过程才发现，是因为使用了Boost.Python混编相关的技术，是在trainval.prototxt中有定义'python'类的层，并且指定到AnchorTargetLayer，而通过caffe的python接口，实例化solver成员的时候通过solver的prototxt引入trainval.prototxt，随后逐层初始化，涉及到PythonLayer的时候则调用Boost.Python代码来实例化它。
以end2end方式的代码分析，自顶向下逐步解析。假定处于py-faster-rcnn目录。
experiments/scripts/faster_rcnn_end2end.sh 指定了solver_prototxt
tools/train_net.py 根据solver_prototxt执行训练任务
lib/fast_rcnn/train.py -> train_net()函数 -> SolverWrapper类实例 -> SolverWrapper构造函数，以solver_prototxt作为参数
caffe-fast-rcnn/python/caffe/_caffe.cpp -> #include的sgd_solvers.hpp 引入了SGDSolver
caffe-fast-rcnn/src/caffe/solver.cpp 构造函数 -> InitTrainNet() -> 调用Net()的构造函数 -> Net()的Init()函数
caffe-fast-rcnn/src/caffe/lyaer_factory.cpp及对应的hpp文件 -> layer的实例化 -> 对于自定义的PythonLayer类，实例化它