微软libcaffe封装成dll和lib！！！

Windows下利用VS使用Caffe可以为开发者提供很好的体验，但是每次编译的时候的总是十分钟的时间在改代码，剩下50分钟在编译的过程中，另外在实际图像分类开发中，很多情况下我们可能只需要一两个函数，所以怎么把caffe的classfy封装成我们需要的dll和lib，可以不依赖caffe的框架，在新建的解决方案中，可以直接调用。
本文主要封装了两个版本的caffe
1：happynear版本：https://github.com/happynear/caffe-windows
http://blog.csdn.net/sinat_30071459/article/details/51823390
以上版本主要参考了小咸鱼的博客，给我提供了很大的帮助，大家可以按照他的方法
2：微软caffe版本：
1：编译微软caffe http://blog.csdn.net/shakevincent/article/details/51694686
2：添加需要的文件：
添加classification.h

#ifndef CLASSIFICATION_H_
#define CLASSIFICATION_H_

#include <caffe/caffe.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iosfwd>
#include <memory>
#include <utility>
#include <vector>
#include <iostream>
#include <string>
#include <time.h>

using namespace caffe;
using std::string;
typedef std::pair<int, float> Prediction;

class  ClassifierImpl {
public:
    ClassifierImpl(const string& model_file,
        const string& trained_file,
        const string& mean_file
        );

    std::vector<Prediction>  Classify(const cv::Mat& img, int N = 2);
private:
    void SetMean(const string& mean_file);

    std::vector<float> Predict(const cv::Mat& img);

    void WrapInputLayer(std::vector<cv::Mat>* input_channels);

    void Preprocess(const cv::Mat& img,
        std::vector<cv::Mat>* input_channels);

private:
    shared_ptr<Net<float> > net_;
    cv::Size input_geometry_;
    int num_channels_;
    cv::Mat mean_;
};
#endif

添加classification.cpp

#include "classification.h"

ClassifierImpl::ClassifierImpl(const string& model_file,
    const string& trained_file,
    const string& mean_file) {
#ifdef CPU_ONLY
    Caffe::set_mode(Caffe::CPU);
#else
    Caffe::set_mode(Caffe::GPU);
#endif

    /* Load the network. */
    net_.reset(new Net<float>(model_file, TEST));
    net_->CopyTrainedLayersFrom(trained_file);

    CHECK_EQ(net_->num_inputs(), 1) << "Network should have exactly o