// 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。
caffe 12 caffe源码 windows分支目录结构
最新推荐文章于 2018-02-12 01:52:46 发布