caffe的源码都在read_caffe_vs2015文件夹中
- 当前目录下的
read_caffe_vs2015中保存着对应的VS2015项目文件，为了正常使用项目，需要做下面的准备：在C盘中创建文件夹
caffe_deps
解压下载的caffe第三方依赖库，把其中的libraries放入上面建立的文件夹
默认情况下我会在C盘执行：
git clone https://github.com/HJiahu/learn_caffe_src.git read_caffe_src
在编译时常会提示boost的lib找不到，其实对应的目录下有对应的文件，只要改个名字即可【参考】
调试程序前先依据具体情况修改my_configs.h中的根目录变量root_path_g、model_root_path_g
通过注释tools_config.h中的中的宏，选择需要编译与执行的文件
因为.gitignore会忽略一些文件，可能需要手动添加环境变量（配置属性->调试->环境）：PATH=C:\caffe_deps\libraries\x64\vc14\bin;C:\caffe_deps\libraries\lib;C:\caffe_deps\libraries\bin;
proto_example是protobuf的一个简单例子models文件夹下有几种不同网络的模型文件，如lenet、cifar10、squeezenet、shufflenet等models/lenet_model中是lenet的网络结构与一个已经训练好的模型，我在调试caffe源码时使用了lenet例程models/lenet_model文件夹下的digits_10000中有10000张jpg格式的训练集与测试集，已经按3:1进行了分割并生成了对应的LMDB文件。此文件夹下亦有训练好的模型，分别迭代了500次与1000次。
-
如果在windows下无法运行sh文件，请下载并安装cmder，然后按照cmder的说明文档将cmder注册到系统中【参考】。
-
百度云分享中有完整版的mnist数据集，与官方不同这个数据集中都是jpg格式的图片。命名规则：[标签]-[同标签计数]-[总图片计数].jpg
-
百度云分享中也有从cifar数据集中提取的图片，命名规则①cifar10：[标签]-[总图片计数].jpg ②cifar100：[coarse_label]-[fine_label]-[总图片计数].jpg
-
MACROs used in vs2015 debug/release x64
-
debug
_DEBUG _CONSOLE CPU_ONLY _SCL_SECURE_NO_WARNINGS _CRT_SECURE_NO_DEPRECATE _CRT_NONSTDC_NO_DEPRECATE USE_LMDB USE_OPENCV -
release
NDEBUG _CONSOLE CPU_ONLY _SCL_SECURE_NO_WARNINGS _CRT_SECURE_NO_DEPRECATE _CRT_NONSTDC_NO_DEPRECATE USE_LMDB USE_OPENCV
-
-
3rdparty libs use in vs2015 debug/release x64
说明：如果不想自己编译opencv，可以使用官方提供的opencv310，此时请替换opencv_world为官方提供的opencv libs
-
debug
opencv_world310d.lib boost_chrono-vc140-mt-gd-1_61.lib boost_date_time-vc140-mt-gd-1_61.lib boost_filesystem-vc140-mt-gd-1_61.lib boost_system-vc140-mt-gd-1_61.lib boost_thread-vc140-mt-gd-1_61.lib boost_timer-vc140-mt-gd-1_61.lib libopenblas.dll.a caffehdf5_D.lib caffehdf5_cpp_D.lib caffehdf5_hl_D.lib caffehdf5_hl_cpp_D.lib caffezlibd.lib caffezlibstaticd.lib gflagsd.lib glogd.lib leveldbd.lib libboost_chrono-vc140-mt-gd-1_61.lib libboost_system-vc140-mt-gd-1_61.lib libboost_timer-vc140-mt-gd-1_61.lib libcaffehdf5_D.lib libcaffehdf5_cpp_D.lib libcaffehdf5_hl_D.lib libcaffehdf5_hl_cpp_D.lib libprotobufd.lib libprotocd.lib lmdbd.lib snappy_staticd.lib snappyd.lib ntdll.lib # 官方提供的opencv，如果使用自己编译的opencv_world310d.lib，请不要添加下面内容 opencv_calib3d310d.lib opencv_core310d.lib opencv_features2d310d.lib opencv_flann310d.lib opencv_highgui310d.lib opencv_imgcodecs310d.lib opencv_imgproc310d.lib opencv_ml310d.lib opencv_objdetect310d.lib opencv_photo310d.lib opencv_shape310d.lib opencv_stitching310d.lib opencv_superres310d.lib opencv_ts310d.lib opencv_video310d.lib opencv_videoio310d.lib opencv_videostab310d.lib -
release
opencv_world310.lib boost_chrono-vc140-mt-1_61.lib boost_date_time-vc140-mt-1_61.lib boost_filesystem-vc140-mt-1_61.lib boost_system-vc140-mt-1_61.lib boost_timer-vc140-mt-1_61.lib libopenblas.dll.a caffehdf5.lib caffehdf5_cpp.lib caffehdf5_hl.lib caffehdf5_hl_cpp.lib caffezlib.lib caffezlibstatic.lib gflags.lib glog.lib leveldb.lib libboost_chrono-vc140-mt-1_61.lib libboost_system-vc140-mt-1_61.lib libboost_timer-vc140-mt-1_61.lib libcaffehdf5.lib libcaffehdf5_cpp.lib libcaffehdf5_hl.lib libcaffehdf5_hl_cpp.lib libprotobuf.lib libprotoc.lib lmdb.lib snappy_static.lib snappy.lib ntdll.lib # 官方提供的opencv，如果使用自己编译的opencv_world310.lib，请不要添加下面内容 opencv_calib3d310.lib opencv_core310.lib opencv_features2d310.lib opencv_flann310.lib opencv_highgui310.lib opencv_imgcodecs310.lib opencv_imgproc310.lib opencv_ml310.lib opencv_objdetect310.lib opencv_photo310.lib opencv_shape310.lib opencv_stitching310.lib opencv_superres310.lib opencv_ts310.lib opencv_video310.lib opencv_videoio310.lib opencv_videostab310.lib
-