caffe 12 caffe源码 windows分支目录结构

// caffe windows 分支目录结构
├─cmake // CMake编译脚本，使用cmake生成编译工程时使用，可以使用CMake生成VisualStudio工程文件
│  ├─External
│  ├─Modules
│  └─Templates
├─data  // 用于存放原始数据及数据获取脚本
│  ├─cifar10 // 存放Cifar10小图片原始数据
│  │  ├─cifar-10-batches-bin // 二进制数据，命令行接口使用
│  │  └─cifar-10-batches-py  // python格式数据，python接口使用
│  ├─ilsvrc12  // 存放ImageNet Meta 数据，原始数据需要另外下载
│  │  └─caffe_ilsvrc12
│  └─mnist // 存放MNIST 手写字体图像数据
├─docker // 为了便于迁移，使用了docker工具
│  ├─cpu
│  └─gpu
├─docs  // doxygen工程文件放在这里，可生成Caffe ref_man.pdf
│  ├─images
│  ├─stylesheets
│  ├─tutorial
│  │  ├─fig
│  │  └─layers
│  └─_layouts
├─examples  // 存放caffe的简单例程
│  ├─cifar10  // cifar10例程
│  │  ├─cifar10_test_lmdb
│  │  └─cifar10_train_lmdb
│  ├─cpp_classification  // 图像分类例程
│  ├─feature_extraction  // 特征提取例程
│  ├─finetune_flickr_style  // finetune例程
│  ├─finetune_pascal_detection // finetune例程
│  ├─hdf5_classification  // 使用HDF5 数据源的分类例程
│  ├─imagenet // ImageNet例程，使用bvlc_reference_caffenet模型
│  ├─images  // 存放几张测试图片
│  ├─mnist  // mnist 手写字体识别例程
│  │  ├─mnist_test_lmdb
│  │  └─mnist_train_lmdb
│  ├─net_surgery
│  ├─pycaffe
│  │  └─layers
│  ├─siamese
│  ├─web_demo  // 一个web server + 分类例程
│     └─templates
│  
├─include  // Caffe头文件
│  └─caffe
│      ├─layers
│      ├─test
│      └─util
├─matlab  // 使用于Matlab做Wrapper，具体可参考RCNN源码
│  ├─+caffe
│  │  ├─+test
│  │  ├─imagenet
│  │  └─private
│  ├─demo
│  └─hdf5creation
├─models  // 存放示例模型
│  ├─bvlc_alexnet  // AlexNet模型
│  ├─bvlc_googlenet  // GoogleNet
│  ├─bvlc_reference_caffenet // Caffe 模拟的AlexNet
│  ├─bvlc_reference_rcnn_ilsvrc13 // RCNN模型
│  └─finetune_flickr_style
├─python // 用于python Wrapper
│  └─caffe
│      ├─imagenet
│      ├─proto
│      ├─test
├─scripts // 存放脚本工具，如编译脚本
│  ├─appveyor
│  └─travis
├─src  // Caffe源码
│  ├─caffe
│  │  ├─layers
│  │  ├─proto
│  │  ├─solvers
│  │  ├─test
│  │  │  └─test_data
│  │  └─util
│  └─gtest
├─test
│  └─custom_layer
├─tools  // 常用工具源码
│  └─extra
└─windows // windows 分支对应的vs工程文件，如果用cmake方式，用不到这些工程文件
    ├─caffe
    ├─classification
    ├─compute_image_mean
    ├─convert_cifar_data
    ├─convert_imageset
    ├─convert_mnist_data
    ├─convert_mnist_siamese_data
    ├─extract_features
    ├─libcaffe
    ├─matcaffe
    ├─pycaffe
    ├─scripts
    ├─test_all
    ├─upgrade_net_proto_binary
    ├─upgrade_net_proto_text
    └─upgrade_solver_proto_text

// windows 上面编译，3种方式。
1 caffe\windows\Caffe.sln，根目录下有一个vs2013的sln文件，Caffe.sln对应的是windows目录下的工程文件。使用VisualStudio的nuget下载依赖。
2 caffe\scripts\build_win.cmd，使用cmake编译，只是可以在build_win.cmd中设置参数。这种方式需要安装anaconda，根据anaconda和vs版本调整参数。
3 caffe\CMakeLists.txt，使用cmake，cmake根据caffe\cmake\WindowsDownloadPrebuiltDependencies.cmake 下载依赖。个人感觉使用cmake-gui方式比较直观。