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

目前GitHub https://github.com/fengbingchun/Caffe_Test   中的caffe还是依赖较老的版本，更新于2015.08.15，commit为09868ac，近期想更新到最新版本，在https://github.com/BVLC/caffe 中，有master分支和windows分支，为便于后面更新，这里先对比下master分支(2017.03.31, commit: c0597b1)和windows分支(2017.03.29,commit: 88ddc95)中include目录和src目录的主要差异：
一、include目录：
1．  caffe/test/test_caffe_main.hpp：
(1)、在windows分支中多包含了一个头文件<caffe/util/io.hpp>；
(2)、在windows分支中类MultiDeviceTest的析构函数调用了RemoveCaffeTempDir()函数用于清除一些创建的临时目录。
2．  caffe/util/cudnn.hpp：
(1)、在windows分支中取消对cudnnGetErrorString函数的定义；
(2)、在windows分支中对setConvolutionDesc函数，取消对宏CUDNN_VERSION_MIN的支持。
3．  caffe/util/io.hpp：
(1)、在windows分支中，在MakeTempDir函数中调用了boost::filesystem::create_directory函数用于创建临时目录；
(2)、在windows分支中，增加了RemoveCaffeTempDir函数的实现。
4．  caffe/common.hpp：
(1)、在windows分支中，如果定义了宏CMAKE_WINDOWS_BUILD，则包含”caffe/export.hpp”.
5．  caffe/layer_factory.hpp：
(1)、在windows分支中，将类LayerRegistry和类LayerRegisterer的实现体挪到了src/caffe/layer_factory.cpp文件中。
6．  caffe/solver_factory.hpp：
(1)、在windows分支中，将类SolverRegistry和类SolverRegisterer的实现体挪到了src/caffe/solver_factory.cpp文件中。
二、src目录：
1．  caffe/layers/bnll_layer.cu：
(1)、在windows分支中，将常量kBNLL_THRESHOLD由const floatkBNLL_THRESHOLD = 50.; 调整为__constant__ float kBNLL_THRESHOLD = 50.;
2．  caffe/test/test_benchmark.cpp：
(1)、在windows分支中，将常量kMillisecondsThreshold值由30调整为50。
3．  caffe/test/test_blob.cpp：
(1)、在windows分支中，在GPU mode下，取消对TYPED_TEST(BlobSimpleTest,TestPointersCPUGPU)的调用。
4．  caffe/test/test_gradient_based_solver.cpp：
(1)、在windows分支中，类GradientBasedSolverTest中RunLeastSquaresSolver函数增加std::replace函数将”\\”替换为”/”；
(2)、在windows分支中，类GradientBasedSolverTest中TestSnapshot函数内对调用caffe::Blob的CopyFrom函数的参数调整。
5．  caffe/test_lrn_layer.cpp：
(1)、在windows分支中，将模板类CuDNNLRNLayerTest的类型名由TypeParam调整为Dtype。
6．  caffe/util/db_lmdb.cpp：
(1)、在windows分支中，增加包含<direct.h>和#define mkdir(X,Y) _mkdir(X)
7．  caffe/util/io.cpp：
(1)、在windows分支中，增加包含<io.h>；
(2)、在windows分支中，对ReadProtoFromBinaryFile函数中的open函数由open(filename,O_RDONLY)调整为open(filename, O_RDONLY | O_BINARY)。
8．  caffe/util/signal_handler.cpp：
(1)、在windows分支中，将与SIGHUP相关的操作用SIGBREAK替换。
9．  caffe/common.cpp：
(1)、在windows分支中，增加包括<process.h>和#define getpid()_getpid()
(2)、在window分支中，在GlobalInit函数中取消对::google::InstallFailureSignalHandler函数的调用。
10．             caffe/layer_factory.cpp：
(1)、在windows分支中，增加包含<vector>；
(2)、在windows分支中，存放类LayerRegistry和类LayerRegisterer的实现体。
11．             caffe/solver_factory.cpp：
(1)、仅在windows分支中有的文件，存放类SolverRegistry和类SolverRegisterer的实现体。
由上面include和src比对得知，两个分支在C++的实现上差异不大。
三、cmake文件的差异：
两个分支上cmake文件差异较大。
四、在windows10 vs2013通过命令提示符编译caffe windows分支操作步骤：
1.        从https://github.com/BVLC/caffe/tree/windows clone caffe源码，clone到D:/DownLoad/caffe并切换到windows分支；
2.      参考README.md中的说明；
3.      打开命令提示符，将其定位到D:/DownLoad/caffe/scripts;
4.      调整build_win.cmd文件，调整后的build_win.cmd文件内容如下(仅包含调整的部分)：
@echo off
@setlocal EnableDelayedExpansion

:: Default values
if DEFINED APPVEYOR (
echo Setting Appveyor defaults
if NOT DEFINED MSVC_VERSION set MSVC_VERSION=12
if NOT DEFINED WITH_NINJA set WITH_NINJA=0
if NOT DEFINED CPU_ONLY set CPU_ONLY=1
if NOT DEFINED CMAKE_CONFIG set CMAKE_CONFIG=Release
if NOT DEFINED USE_NCCL set USE_NCCL=0
if NOT DEFINED CMAKE_BUILD_SHARED_LIBS set CMAKE_BUILD_SHARED_LIBS=0
if NOT DEFINED PYTHON_VERSION set PYTHON_VERSION=0
if NOT DEFINED BUILD_PYTHON set BUILD_PYTHON=0
if NOT DEFINED BUILD_PYTHON_LAYER set BUILD_PYTHON_LAYER=0
if NOT DEFINED BUILD_MATLAB set BUILD_MATLAB=0
if NOT DEFINED PYTHON_EXE set PYTHON_EXE=python
if NOT DEFINED RUN_TESTS set RUN_TESTS=0
if NOT DEFINED RUN_LINT set RUN_LINT=0
if NOT DEFINED RUN_INSTALL set RUN_INSTALL=0

:: Set python 2.7 with conda as the default python
if !PYTHON_VERSION! EQU 2 (
set CONDA_ROOT=C:\Miniconda-x64
)
:: Set python 3.5 with conda as the default python
if !PYTHON_VERSION! EQU 3 (
set CONDA_ROOT=C:\Miniconda35-x64
)
set PATH=!CONDA_ROOT!;!CONDA_ROOT!\Scripts;!CONDA_ROOT!\Library\bin;!PATH!

:: Check that we have the right python version
!PYTHON_EXE! --version
:: Add the required channels
conda config --add channels conda-forge
conda config --add channels willyd
:: Update conda
conda update conda -y
:: Download other required packages
conda install --yes cmake ninja numpy scipy protobuf==3.1.0 six scikit-image pyyaml

if ERRORLEVEL 1 (
echo ERROR: Conda update or install failed
exit /b 1
)

:: Install cuda and disable tests if needed
if !WITH_CUDA! == 1 (
call %~dp0\appveyor\appveyor_install_cuda.cmd
set CPU_ONLY=0
set RUN_TESTS=0
set USE_NCCL=1
) else (
set CPU_ONLY=1
)

:: Disable the tests in debug config
if "%CMAKE_CONFIG%" == "Debug" (
echo Disabling tests on appveyor with config == %CMAKE_CONFIG%
set RUN_TESTS=0
)

:: Disable linting with python 3 until we find why the script fails
if !PYTHON_VERSION! EQU 3 (
set RUN_LINT=0
)

) else (
:: Change the settings here to match your setup
:: Change MSVC_VERSION to 12 to use VS 2013
if NOT DEFINED MSVC_VERSION set MSVC_VERSION=12
:: Change to 1 to use Ninja generator (builds much faster)
if NOT DEFINED WITH_NINJA set WITH_NINJA=0
:: Change to 1 to build caffe without CUDA support
if NOT DEFINED CPU_ONLY set CPU_ONLY=1
:: Change to Debug to build Debug. This is only relevant for the Ninja generator the Visual Studio generator will generate both Debug and Release configs
if NOT DEFINED CMAKE_CONFIG set CMAKE_CONFIG=Release
:: Set to 1 to use NCCL
if NOT DEFINED USE_NCCL set USE_NCCL=0
:: Change to 1 to build a caffe.dll
if NOT DEFINED CMAKE_BUILD_SHARED_LIBS set CMAKE_BUILD_SHARED_LIBS=0
:: Change to 3 if using python 3.5 (only 2.7 and 3.5 are supported)
if NOT DEFINED PYTHON_VERSION set PYTHON_VERSION=2
:: Change these options for your needs.
if NOT DEFINED BUILD_PYTHON set BUILD_PYTHON=0
if NOT DEFINED BUILD_PYTHON_LAYER set BUILD_PYTHON_LAYER=0
if NOT DEFINED BUILD_MATLAB set BUILD_MATLAB=0
:: If python is on your path leave this alone
if NOT DEFINED PYTHON_EXE set PYTHON_EXE=python
:: Run the tests
if NOT DEFINED RUN_TESTS set RUN_TESTS=0
:: Run lint
if NOT DEFINED RUN_LINT set RUN_LINT=0
:: Build the install target
if NOT DEFINED RUN_INSTALL set RUN_INSTALL=0
) (1)、调整包括仅编译CPU、vs12、不使用NinJa；
(2)、依赖库会默认下载到C:/Users/spring/.caffe目录下，大约1.07GB；
(3)、如有错误提示，修改cmake/WindowsDownloadPrebuiltDependencies.cmake中DEPENDENCIES_SHA_1800_27值；
执行完此命令后结果如下图所示：


5.        执行build_win.cmd会在caffe/scripts/build目录下生成Caffe工程Caffe.sln，结果如下图所示：


五、接下来仿照生成的Caffe.sln，将https://github.com/fengbingchun/Caffe_Test中的Caffe升级到最新。
Note：将build_win.cmd中的两处CPU_ONLY=1改为CPU_ONLY=0，就可以生成基于GPU的Caffe工程。

GitHub：https://github.com/fengbingchun/Caffe_Test