前言

兴趣所向，研究一下如何在caffe工程之外建立一个属于自己的工程，这里以分类为例，将classification.cpp提取出来，然后调用相应的三方库和libcaffe.lib进行编译。这里比较建议有一丢丢C++功底的同志参考学习，主要涉及到利用VS新建工程，添加lib库文件，包含头文件，解决dll丢失问题。看完博客可以学会，如何不在复制别人的各种路径的情况下，依据caffe-windows自行为新建的工程设置调用caffe的路径。

国际惯例，贴一堆网址：

caffe下新建工程及编译

caffe-window搭建自己的小项目例子

使用libcaffe为工程添加深度学习功能

利用caffe建立自己的工程

caffe C++接口使用配置

caffe框架在添加自己的MFC程序(上)

文章结束提供本文编译所用代码。

做这次笔记主要是，网上找的方法都有复杂的各种路径的添加，包括上面的各个参考博客，各种lib，不可能每次新建项目我都要打开别人博客，然后把所有的lib文件复制下来。在编译caffe-windows的时候，大家肯定发现这样一个问题：我没有手动加任何路径，只需要它自动下载NugetPackages三方库，然后就能编译了。这就说明在某个地方肯定定义过路径了，编译时候直接调用。这就启发我们找到它，按照它就可以在不看任何博客情况下独立编写路径信息。

【注】方法严格建立在BVLC或者微软的caffe-Windows能够正常使用的情况下，由于C++还不熟练，直接以classification.cpp为例。

建立新工程

创建项目

随便在磁盘某个地方新建一个空文件夹，用于存储我们所要新建的工程。
这里写图片描述

打开VS2013，新建一个工程，记得选空项目

这里写图片描述

添加源代码信息

源文件->添加->新建项->classification.cpp
将caffe-windows路径(E:\CaffeDev\caffe-master\examples\cpp_classification)里面的classification.cpp的内容拷贝，丢到新建的工程中的classification.cpp中去
看看配置管理器是什么，如果是Win32，就改成X64，最好是release

这里写图片描述

这就算是搞定了工程的创建，与我们写控制台helloword的步骤完全一样。接下来就是解决各种编译错误了。

逐步解决错误

caffe头文件

首先引入眼帘的是

这里写图片描述

解决方法：加头文件，把caffe-windows的include文件夹整体拷贝过来，我是放入到sln并列的地方了，这个路径与后面要加的路径要对应，这是后话

这里写图片描述

拷贝完毕，就去设置头文件的包含目录

这里写图片描述

三方库头文件

然后出现了更多的错误
这里写图片描述

不要慌，这个地方就是与网上的解决方法的不同之处了，当然你也可以按照前言中的博客配置。我这里主要是应对没有联网的，无法打开别人博客复制路径的情况。

观察原始caffe-Windows下E:\CaffeDev\caffe-master\windows下的任何一个工程，比如compute_image_mean文件夹下的compute_image_mean.vcxproj，有兴趣可以搜一下这个vcxproj的文件包含什么信息，答案是路径。那么我们就利用这里面的路径去设置自己工程的路径了，当然首先是把NugetPackages的三方库拷贝到当前工程下，路径自定，我的路径如下

这里写图片描述

然后加入路径的方法就在我们的E:\caffe-myproject\my_classification\my_classification\my_classification.vcxproj中了，我这里是对比着原始caffe的compute_image_mean.vcxproj和当前工程的my_classification.vcxproj修改的。我就不分析了，直接把关键点列出来：

【注意】以下步骤与路径关系很大，../是跳转一个目录，起始位置是vcxproj所在当前文件夹。

首先是三个props

  <Import Project="..\..\NugetPackages\gflags.2.1.2.1\build\native\gflags.props" Condition="Exists('..\..\NugetPackages\gflags.2.1.2.1\build\native\gflags.props')" /><Import Project="..\..\NugetPackages\glog.0.3.3.0\build\native\glog.props" Condition="Exists('..\..\NugetPackages\glog.0.3.3.0\build\native\glog.props')" /><Import Project="..\..\NugetPackages\OpenCV.2.4.10\build\native\OpenCV.props" Condition="Exists('..\..\NugetPackages\OpenCV.2.4.10\build\native\OpenCV.props')" />

随后是CommonSettings.props

如果不加入CommonSettings.props，会在后面提示opencv未启用问题，为了方便，直接把caffe-windows的拷贝CommonSettings.props过来使用
```
<ImportGroup Label="PropertySheets" Condition="Exists('$(SolutionDir)\CommonSettings.props')"><Import Project="..\CommonSettings.props" />
</ImportGroup>
```

这里写图片描述

然后是libcaffe.lib

  <ItemDefinitionGroup Condition="'$(Configuration)|$(Platform)'=='Debug|x64'"><Link><AdditionalDependencies>libcaffe.lib;$(CudaDependencies);%(AdditionalDependencies)</AdditionalDependencies><SubSystem>Console</SubSystem></Link></ItemDefinitionGroup><ItemDefinitionGroup Condition="'$(Configuration)|$(Platform)'=='Release|x64'"><Link><AdditionalDependencies>libcaffe.lib;$(CudaDependencies);%(AdditionalDependencies)</AdditionalDependencies><SubSystem>Console</SubSystem></Link>

最后是所有的NugetPackage的头文件相关文件包含

   <ImportGroup Label="ExtensionTargets"><Import Project="..\..\NugetPackages\OpenCV.2.4.10\build\native\OpenCV.targets" Condition="Exists('..\..\NugetPackages\OpenCV.2.4.10\build\native\OpenCV.targets')" /><Import Project="..\..\NugetPackages\OpenBLAS.0.2.14.1\build\native\openblas.targets" Condition="Exists('..\..\NugetPackages\OpenBLAS.0.2.14.1\build\native\openblas.targets')" /><Import Project="..\..\NugetPackages\glog.0.3.3.0\build\native\glog.targets" Condition="Exists('..\..\NugetPackages\glog.0.3.3.0\build\native\glog.targets')" /><Import Project="..\..\NugetPackages\hdf5-v120-complete.1.8.15.2\build\native\hdf5-v120.targets" Condition="Exists('..\..\NugetPackages\hdf5-v120-complete.1.8.15.2\build\native\hdf5-v120.targets')" /><Import Project="..\..\NugetPackages\gflags.2.1.2.1\build\native\gflags.targets" Condition="Exists('..\..\NugetPackages\gflags.2.1.2.1\build\native\gflags.targets')" /><Import Project="..\..\NugetPackages\boost_chrono-vc120.1.59.0.0\build\native\boost_chrono-vc120.targets" Condition="Exists('..\..\NugetPackages\boost_chrono-vc120.1.59.0.0\build\native\boost_chrono-vc120.targets')" /><Import Project="..\..\NugetPackages\boost_date_time-vc120.1.59.0.0\build\native\boost_date_time-vc120.targets" Condition="Exists('..\..\NugetPackages\boost_date_time-vc120.1.59.0.0\build\native\boost_date_time-vc120.targets')" /><Import Project="..\..\NugetPackages\boost_filesystem-vc120.1.59.0.0\build\native\boost_filesystem-vc120.targets" Condition="Exists('..\..\NugetPackages\boost_filesystem-vc120.1.59.0.0\build\native\boost_filesystem-vc120.targets')" /><Import Project="..\..\NugetPackages\boost_system-vc120.1.59.0.0\build\native\boost_system-vc120.targets" Condition="Exists('..\..\NugetPackages\boost_system-vc120.1.59.0.0\build\native\boost_system-vc120.targets')" /><Import Project="..\..\NugetPackages\boost.1.59.0.0\build\native\boost.targets" Condition="Exists('..\..\NugetPackages\boost.1.59.0.0\build\native\boost.targets')" /><Import Project="..\..\NugetPackages\boost_thread-vc120.1.59.0.0\build\native\boost_thread-vc120.targets" Condition="Exists('..\..\NugetPackages\boost_thread-vc120.1.59.0.0\build\native\boost_thread-vc120.targets')" /><Import Project="..\..\NugetPackages\boost_python2.7-vc120.1.59.0.0\build\native\boost_python-vc120.targets" Condition="Exists('..\..\NugetPackages\boost_python2.7-vc120.1.59.0.0\build\native\boost_python-vc120.targets')" /><Import Project="..\..\NugetPackages\protobuf-v120.2.6.1\build\native\protobuf-v120.targets" Condition="Exists('..\..\NugetPackages\protobuf-v120.2.6.1\build\native\protobuf-v120.targets')" /><Import Project="..\..\NugetPackages\LevelDB-vc120.1.2.0.0\build\native\LevelDB-vc120.targets" Condition="Exists('..\..\NugetPackages\LevelDB-vc120.1.2.0.0\build\native\LevelDB-vc120.targets')" /><Import Project="..\..\NugetPackages\lmdb-v120-clean.0.9.14.0\build\native\lmdb-v120-clean.targets" Condition="Exists('..\..\NugetPackages\lmdb-v120-clean.0.9.14.0\build\native\lmdb-v120-clean.targets')" /></ImportGroup>

这几步很容易遇到这样的问题

这里写图片描述

提示很明显了，看看第77行对应的少了对应的，加上即可。

cuda相关头文件

编译运行发现出现下列错误

这里写图片描述

这个一看就可能是cuda的问题了，文件可以在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\include中找到，当然不同的安装位置由不同的路径寻找，相同的是这个文件一定存在。加入到VS路径中，操作同上面加caffe的include一样，注意红线部分

这里写图片描述

拷贝libcaffe

最后一个问题是

这里写图片描述

原因很简单，因为我们上面只加了libcaffe.lib的路径，并没有指引它所在地方，这个就与你的VS功底有关了，详细请看“如何调用C++的dll与lib文件”相关博客。我们这里直接把原始的caffe-windows下的release版本的libcaffe.lib拷贝到新建文件夹lib中去，路径如下

这里写图片描述

拷贝进去以后，在VS中加入lib所在目录

这里写图片描述

编译工程

上述步骤都搞定以后，重新生成我们的工程

这里写图片描述

然后设置一下将警告视为错误为否

这里写图片描述

然后就看到了满意的结果啦

这里写图片描述

解决dll相关问题

有时候会遇到这个问题，有时候不会遇到，可以先直接跳过此步骤，直接进行分类使用步骤，如果出现dll缺失问题，再回来添加dll。

方案1

当前编译了不一定能运行，还有dll没拷贝呢，网上博客说dll的使用方法是，将dll拷贝到一个文件夹，比如将caffe-windows的release下的所有dll全部拷贝到我们工程的如下新建文件夹中

这里写图片描述

然后在VS中

这里写图片描述

但是设置完毕以后，还是提示缺少dll，以后再试试，是不是哪里出问题了

方案2

跟前面一样，把编译的caffe-windows下的release文件夹加入到系统环境变量path中去，不再赘述，因为前面的caffe-Windows配置好像有过这个步骤，就是单纯的将E:\CaffeDev\caffe-master\Build\x64\Release加入path，仅此而已。

方案3

最简单粗暴的方法，上面编译工程完事以后，可以发现我们的工程多了个build文件夹，那么把所有的dll拷贝到E:\caffe-myproject\Build\x64\Release即可，如果你发现这个文件夹中有dll，就不用拷贝了，应该不会提示缺dll的问题，如果还是提示，那就拷贝吧，如果还是不行，自行百度。

这里写图片描述

分类使用

准备相关文件

使用方法就是先将所有的文件准备好

这里写图片描述

分别是待分类图片、模型结构、训练好的模型参数、均值、标签。前面cifar的模型建立和使用都介绍过这些东西的生成方法。

【注】按照上述方法完全不会出问题，最好最好是在原始的caffe-windows的基础下操作，如果是自己改动的caffe-windows的话，可能会出现一些不必要的问题。

运行方法-bat形式

老样子，直接写bat文件：

E:\caffe-myproject\Build\x64\Release\my_classification.exe lenet.prototxt lenet_iter_10000.caffemodel mean.binaryproto synset_words.txt 2.bmp
pause

运行出错

F0411 12:20:34.327227 14000 layer_factory.hpp:81] Check failed: registry.count(t
ype) == 1 (0 vs. 1) Unknown layer type: Input (known types: )
*** Check failure stack trace: ***

此博客【边喝caffee边Caffe 】(三) Check failed: registry.count(t ype) == 1 (0 vs. 1) Unknown layer type有讲解为什么，那么就直接按照方法，建立一个head.h

#include "caffe/common.hpp"
#include "caffe/layers/input_layer.hpp"
#include "caffe/layers/inner_product_layer.hpp"
#include "caffe/layers/dropout_layer.hpp"
#include "caffe/layers/conv_layer.hpp"
#include "caffe/layers/relu_layer.hpp"#include "caffe/layers/pooling_layer.hpp"
#include "caffe/layers/lrn_layer.hpp"
#include "caffe/layers/softmax_layer.hpp"namespace caffe
{extern INSTANTIATE_CLASS(InputLayer);extern INSTANTIATE_CLASS(InnerProductLayer);extern INSTANTIATE_CLASS(DropoutLayer);extern INSTANTIATE_CLASS(ConvolutionLayer);REGISTER_LAYER_CLASS(Convolution);extern INSTANTIATE_CLASS(ReLULayer);REGISTER_LAYER_CLASS(ReLU);extern INSTANTIATE_CLASS(PoolingLayer);REGISTER_LAYER_CLASS(Pooling);extern INSTANTIATE_CLASS(LRNLayer);REGISTER_LAYER_CLASS(LRN);extern INSTANTIATE_CLASS(SoftmaxLayer);REGISTER_LAYER_CLASS(Softmax);}

然后在classification.cpp头部引用一下，注意是双引号而非尖括号引用，以有智能提示为基准

#include "head.h"

重新编译以后，然后运行bat的结果:


E:\caffe-myproject\test\mnist>E:\caffe-myproject\Build\x64\Release\my_classifica
tion.exe lenet.prototxt lenet_iter_10000.caffemodel mean.binaryproto synset_word
s.txt 2.bmp
---------- Prediction for 2.bmp ----------
1.0000 - "2"
0.0000 - "0"
0.0000 - "3"
0.0000 - "1"
0.0000 - "4"E:\caffe-myproject\test\mnist>pause
请按任意键继续. . .

运行方法-修改cpp方法

改一下main函数

int main(int argc, char** argv) {//if (argc != 6) {//  std::cerr << "Usage: " << argv[0]//      << " deploy.prototxt network.caffemodel"//      << " mean.binaryproto labels.txt img.jpg" << std::endl;//  return 1;//}::google::InitGoogleLogging(argv[0]);argv[1] = "E:\\caffe-myproject\\test\\cifar\\cifar10_quick.prototxt";argv[2] = "E:\\caffe-myproject\\test\\cifar\\cifar10_quick_iter_4000.caffemodel.h5";argv[3] = "E:\\caffe-myproject\\test\\cifar\\mean.binaryproto";argv[4] = "E:\\caffe-myproject\\test\\cifar\\synset_words.txt";argv[5] = "E:\\caffe-myproject\\test\\cifar\\dog.jpg";string model_file = argv[1];string trained_file = argv[2];string mean_file = argv[3];string label_file = argv[4];Classifier classifier(model_file, trained_file, mean_file, label_file);string file = argv[5];std::cout << "---------- Prediction for "<< file << " ----------" << std::endl;cv::Mat img = cv::imread(file, -1);CHECK(!img.empty()) << "Unable to decode image " << file;std::vector<Prediction> predictions = classifier.Classify(img);/* Print the top N predictions. */for (size_t i = 0; i < predictions.size(); ++i) {Prediction p = predictions[i];std::cout << std::fixed << std::setprecision(4) << p.second << " - \""<< p.first << "\"" << std::endl;}
}

然后ctrl+F5运行结果

这里写图片描述

后记

一定要不断编译、不断尝试、不断查错、不断修改，此外熟能生巧。还有两点强调：路径路径路径、原版caffe原版caffe原版caffe

编译方法多种多样，上述步骤肯定有不必要的地方，后期逐步修改

第一次尝试编译的代码

链接：http://pan.baidu.com/s/1i5vBPaP 密码：x7ee
第二次尝试编译的代码
链接：http://pan.baidu.com/s/1skIfYkH 密码：w69a
主要相对于第一次编译的代码，删除了部分冗余的文件，也就是不从原版的caffe-Windows拷贝的东西，包括：
- CommonSettings.targets，在my_classification.vcxproj中不需要添加的话语是
```
<ItemGroup><ClInclude Include="head.h" />
</ItemGroup>
```
- 下面这句话删除也没影响
```
<ItemGroup><None Include="packages.config" />
</ItemGroup>
```