網絡層的建構是在Net<Dtype>::Init()函數中完成的，建構的流程圖如下所示：
從圖中可以看出網絡層的建構分為三個主要部分：解析網絡檔案、開始建立網絡層、網絡層需要參與計算的位置。
該部分主要有兩個函數FilterNet()、InsertSplits()。
FilterNet()的作用是模型參數檔案（*.prototxt）中的不符合規則的層去掉。例如：在caffe的examples/mnist中的lenet網絡中，如果隻是用于網絡的前向，則需要将包含train的資料層去掉。
InsertSplits()函數的作用是對于底層的一個輸出blob對應多個上層的情況，則要在加入分裂層，形成新的網絡。這麼做的主要原因是多個層反傳給該blob的梯度需要累加。例如：LeNet網絡中的資料層的top label blob對應兩個輸入層，分别是accuracy層和loss層，那麼需要在資料層在插入一層。如下圖：
該部分重要的函數有CreateLayer()、AppendBottom()、AppendTop()、SetUp()。
對于CreateLayer()函數，把解析的目前層調用CreatorRegistry類進行注冊，進而擷取到目前層。然後會調用AppendBottom()和AppendTop()函數具體建立層結構。
對于AppendBottom()函數，其作用是為該層建立bottom blob，由于網絡是堆疊而成，即：目前層的輸出 bottom是前一層的輸出top blob，是以此函數并沒沒有真正的建立blob，隻是在将前一層的指針壓入到了bottom_vecs_中。
對于AppendBottom()函數，其作用是為該層建立top blob，該函數真正的new的一個blob的對象。并将top blob 的指針壓入到top_vecs_中。經過這兩個函數網絡層建立出該層所有的輸入、輸出blob，接下來就是調用SetUp()函數，正式建立層結構，并為blob配置設定記憶體空間。
對于SetUp()函數，包含了CheckBlobCounts()、LayerSetUp()、SetLossWeights()、Reshape()等子函數，CheckBlobCounts()函數式讀取Blob的數量，LayerSetUp()和Reshape()是虛函數，會在相應的層中實作這兩個函數，SetLossWeights(top)函數會把top(輸出blob)的loss weight進行初始化，loss weight是用來表示不同Layer産生的loss的重要性，Layer名稱中以Loss結尾表示這是一個會産生loss的Layer，其他的Layer隻是單純的用于中間計算，同時每一層的loss值就是所有輸出top blob的loss值的和。到此目前層的結建構立完成。經過多次循環，就可以建構整個網絡。
該部分的作用是确定哪些層或哪些層的blob需要參與計算，比如前向時需要确定哪些層的blob需要計算loss，後向時确定哪些層的blob需要計算diff。一個layer是否需要backward computation，主要依據兩個方面：
(1)該layer的top blob 是否參與loss的計算；
(2)該layer的bottom blob 是否需要backward computation，比如Data層一般就不需要backward computation
對于前向的過程，部分源碼如下：
AppendParam()函數的作用是記錄帶有參數的層或者blob，對于某些有參數的層，例如：卷基層、全連接配接層有weight和bias。該函數主要是修改和參數有關的變量，實際的層參數的blob在上面提到的setup()函數中已經建立。對于後向的過程和前向類似，部分源碼如下：
當神已無能為力，那便是魔渡衆生