caffe 12 caffe源码 windows分支目录结构
2017-03-20 09:47
316 查看
// 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。
相关文章推荐
- Caffe中master与windows分支差异对比及通过命令提示符编译Caffe源码操作步骤
- caffe目录结构 及 caffe源码文件说明
- caffe源码剖析(一)--整体目录结构
- Caffe的依赖库及源码目录结构
- Windows用户看Linux目录及内核源码的目录结构
- Ruby on rails开发从头来(windows)(三十一)- Rails的目录结构
- 打印 目录树,获知源码目录结构
- DB2笔记之一:DB2目录结构(windows)
- MMS 源码目录结构
- 解决在Fedora 12 中配置后Samba服务后,Windows依然无法访问Linux共享目录的问题。
- 深入理解PHP之源码目录结构
- Windows 2003活动目录物理结构详解
- 深入理解PHP之源码目录结构
- windows中树形导出目录结构