// caffe windows 分支目錄結構
├─cmake // CMake編譯指令碼，使用cmake生成編譯工程時使用，可以使用CMake生成VisualStudio工程檔案
│  ├─External
│  ├─Modules
│  └─Templates
├─data  // 用於存放原始資料及資料獲取指令碼
│  ├─cifar10 // 存放Cifar10小圖片原始資料
│  │  ├─cifar-10-batches-bin // 二進位制資料，命令列介面使用
│  │  └─cifar-10-batches-py  // python格式資料，python介面使用
│  ├─ilsvrc12  // 存放ImageNet Meta 資料，原始資料需要另外下載
 

│  │  └─caffe_ilsvrc12
│  └─mnist // 存放MNIST 手寫字型影象資料
├─docker // 為了便於遷移，使用了docker工具
│  ├─cpu
│  └─gpu
├─docs  // doxygen工程檔案放在這裡，可生成Caffe ref_man.pdf
│  ├─images
│  ├─stylesheets
│  ├─tutorial
│  │  ├─fig
│  │  └─layers
│  └─_layouts
├─examples  // 存放caffe的簡單例程
│  ├─cifar10  // cifar10例程
│  │  ├─cifar10_test_lmdb
│  │  └─cifar10_train_lmdb
│  ├─cpp_classification  // 影象分類例程
 

│  ├─feature_extraction  // 特徵提取例程
│  ├─finetune_flickr_style  // finetune例程
│  ├─finetune_pascal_detection // finetune例程
│  ├─hdf5_classification  // 使用HDF5 資料來源的分類例程
│  ├─imagenet // ImageNet例程，使用bvlc_reference_caffenet模型
│  ├─images  // 存放幾張測試圖片
│  ├─mnist  // mnist 手寫字型識別例程
│  │  ├─mnist_test_lmdb
│  │  └─mnist_train_lmdb
│  ├─net_surgery
│  ├─pycaffe
│  │  └─layers
│  ├─siamese
│  ├─web_demo  // 一個web server + 分類例程
 

│     └─templates
│  
├─include  // Caffe標頭檔案
│  └─caffe
│      ├─layers
│      ├─test
│      └─util
├─matlab  // 使用於Matlab做Wrapper，具體可參考RCNN原始碼
│  ├─+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 模擬的AlexNet
│  ├─bvlc_reference_rcnn_ilsvrc13 // RCNN模型
│  └─finetune_flickr_style
├─python // 用於python Wrapper
│  └─caffe
│      ├─imagenet
│      ├─proto
│      ├─test
├─scripts // 存放指令碼工具，如編譯指令碼
│  ├─appveyor
│  └─travis
├─src  // Caffe原始碼
│  ├─caffe
│  │  ├─layers
│  │  ├─proto
│  │  ├─solvers
│  │  ├─test
│  │  │  └─test_data
│  │  └─util
│  └─gtest
├─test
│  └─custom_layer
├─tools  // 常用工具原始碼
│  └─extra
└─windows // windows 分支對應的vs工程檔案，如果用cmake方式，用不到這些工程檔案
    ├─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 上面編譯，3種方式。
1 caffe\windows\Caffe.sln，根目錄下有一個vs2013的sln檔案，Caffe.sln對應的是windows目錄下的工程檔案。使用VisualStudio的nuget下載依賴。
2 caffe\scripts\build_win.cmd，使用cmake編譯，只是可以在build_win.cmd中設定引數。這種方式需要安裝anaconda，根據anaconda和vs版本調整引數。
3 caffe\CMakeLists.txt，使用cmake，cmake根據caffe\cmake\WindowsDownloadPrebuiltDependencies.cmake 下載依賴。個人感覺使用cmake-gui方式比較直觀。