caffe 12 caffe原始碼 windows分支目錄結構
阿新 • • 發佈:2018-12-31
// 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。