一、前言
本文主要介绍了如何在 IDE 中编译和调试 caffe 的 c++ 程序（ cpp 文件）。注意是调试应用程序，而非 caffe 代码本身。下一篇文章才讲如何调试 caffe 源代码。编译 caffe 的 c++ 程序至少有三种办法:
-
把写好的
cpp文件放到caffe安装目录下的examples目录中。然后在终端下，进入caffe的安装目录。键入make all，caffe会自动识别新的example并编译。这种方法的优势是简单易行、行之有效。 -
自己写一个
makefile文件，放到cpp文件所在目录，再用make编译。这种方法与 1 相比，要自由许多。可以根据自己的代码，选择性的链接一些library，编译出来的文件体积比 1 小。具体的makefile实例可以参见这个链接 -
用
IDE写代码、编译和调试。这种方法与 1、2相比，要做许多配置，但是可以使用单步调试。
本文主要介绍方法 3。方法 3 已经在 OS X 10.11 下测试成功。Xcode 版本是 7.0.1; Caffe 是 2015.10.15 的版本。对于 Ubuntu 14.04 下的 eclipse，完全可以采用相同的配置思路，只要所需的依赖库添加全了，都能编译通过。
二、使用 IDE 编译和调试 caffe 的 c++ 程序
TzuTaLin在他的博客中介绍了在 ubuntu 下配置 Eclipse 来编译 caffe c++ 代码的方法。并且在 github 上给出了一个实例–链接。
我在 MAC OSX 10.10.5, Xcode 6.4 上测试了一下TzuTaLin的方法。发现，可以顺利编译 TestCaffe.cpp 这个文件。但在编译 caffe 自带的 example – classification.cpp 时会报错:
Undefined symbols for architecture x86_64:
"google::LogMessage::stream()", referenced from:
Classifier::Classifier(std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> > const&, std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> > const&, std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> > const&, std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> > const&) in main.o
Classifier::SetMean(std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> > const&) in main.o
Classifier::Preprocess(cv::Mat const&, std::__1::vector<cv::Mat, std::__1::allocator<cv::Mat> >*) in main.o
_main in main.o
caffe::ReadProtoFromBinaryFileOrDie(char const*, google::protobuf::Message*) in main.o
caffe::Blob<float>::LegacyShape(int) const in main.o
caffe::Blob<float>::CanonicalAxisIndex(int) const in main.o
...
"google::LogMessageFatal::LogMessageFatal(char const*, int)", referenced from:
Classifier::Classifier(std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> > const&, std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> > const&, std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> > const&, std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> > const&) in main.o
Classifier::Preprocess(cv::Mat const&, std::__1::vector<cv::Mat, std::__1::allocator<cv::Mat> >*) in main.o
_main in main.o
caffe::ReadProtoFromBinaryFileOrDie(char const*, google::protobuf::Message*) in main.o
"google::LogMessageFatal::LogMessageFatal(char const*, int, google::CheckOpString const&)", referenced from:
Classifier::Classifier(std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> > const&, std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> > const&, std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> > const&, std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> > const&) in main.o
Classifier::SetMean(std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> > const&) in main.o
caffe::Blob<float>::LegacyShape(int) const in main.o
caffe::Blob<float>::CanonicalAxisIndex(int) const in main.o
"google::LogMessageFatal::~LogMessageFatal()", referenced from:
Classifier::Classifier(std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> > const&, std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> > const&, std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> > const&, std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> > const&) in main.o
Classifier::SetMean(std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> > const&) in main.o
Classifier::Preprocess(cv::Mat const&, std::__1::vector<cv::Mat, std::__1::allocator<cv::Mat> >*) in main.o
_main in main.o
caffe::ReadProtoFromBinaryFileOrDie(char const*, google::protobuf::Message*) in main.o
caffe::Blob<float>::LegacyShape(int) const in main.o
caffe::Blob<float>::CanonicalAxisIndex(int) const in main.o
...
"google::InitGoogleLogging(char const*)", referenced from:
_main in main.o
"google::base::CheckOpMessageBuilder::ForVar2()", referenced from:
std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> >* google::MakeCheckOpString<unsigned long, int>(unsigned long const&, int const&, char const*) in main.o
std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> >* google::MakeCheckOpString<int, int>(int const&, int const&, char const*) in main.o
"google::base::CheckOpMessageBuilder::NewString()", referenced from:
std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> >* google::MakeCheckOpString<unsigned long, int>(unsigned long const&, int const&, char const*) in main.o
std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> >* google::MakeCheckOpString<int, int>(int const&, int const&, char const*) in main.o
"google::base::CheckOpMessageBuilder::CheckOpMessageBuilder(char const*)", referenced from:
std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> >* google::MakeCheckOpString<unsigned long, int>(unsigned long const&, int const&, char const*) in main.o
std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> >* google::MakeCheckOpString<int, int>(int const&, int const&, char const*) in main.o
"google::base::CheckOpMessageBuilder::~CheckOpMessageBuilder()", referenced from:
std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> >* google::MakeCheckOpString<unsigned long, int>(unsigned long const&, int const&, char const*) in main.o
std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> >* google::MakeCheckOpString<int, int>(int const&, int const&, char const*) in main.o
ld: symbol(s) not found for architecture x86_64
clang: error: linker command failed with exit code 1 (use -v to see invocation)
这个错误是由于没有找到 glog 的库导致的。直接把 glog 的库加入到 Xcode/Eclipse 里即可解决。这个错误是解决了，不过除了 glog 之外，是不是需要加别的东西，怎么知道需要加什么？下面做个简单的分析。这对自己写 Makefile 是有帮助的。
分析
如果我把 classification.cpp 这个文件放到 caffe/examples 这个目录下，并用 caffe自带的 Makefile 编译的话，是可以顺利编译的。这说明我安装的各个依赖库是好的，出现错误只是因为 IDE的配置还不够完整。所以，我在TzuTaLin的基础上做了进一步尝试。
首先，caffe 的安装过程需要 glog gflags protobuf leveldb snappy 这些依赖库。那么在其 Makefile 中一定会存在这些依赖库的调用。在 Makefile 的 172 行中发现:
LIBRARIES += glog gflags protobuf leveldb snappy \
lmdb boost_system hdf5_hl hdf5 m \
opencv_core opencv_highgui opencv_imgproc
可见，caffe 所需的各个依赖库都存储在 LIBRARIES 这个变量中。 caffe 编译 examples 的过程必定与 LIBRARIES 这个变量息息相关。所以，接下来专门搜索 LIBRARIES 这个关键字即可。在 364 行就会发现:
LDFLAGS += $(foreach librarydir,$(LIBRARY_DIRS),-L$(librarydir)) $(PKG_CONFIG) \
$(foreach library,$(LIBRARIES),-l$(library))
可见，通过 foreach 循环，caffe 在编译过程中会依次链接 LIBRARIES 这个变量中的内容。据此，我可以在 Xcode/Eclipse 中把 LIBRARIES 指定的各个依赖库的 lib 文件都加进去。然后结合TzuTaLin的配置方法，即可顺利编译和调试。
完整过程 —— Xcode 配置
1) 在 Header_Search_Paths 中做如下设置:
2) 在 Library_Search_Path 中做如下设置:
3) 配置 @rpath 变量。在 Runpath search Paths 中做如下设置:
这一步的目的是为了避免下述错误:
dyld: Library not loaded: @rpath/libcaffe.so
Referenced from: /Users/Coldmoon/ComputerVisionApps/exercises/caffe_cpp_test/Build/Products/Debug/caffe_cpp_test
Reason: image not found
4) 然后右键项目名称，并选择 Add Files to ...，把下图中的库文件都加进去:
我对 LIBRARIES 变量中包含的所有依赖库分别测试了下。发现只需要添加 libopencv_core, libopencv_highgui, libopencv_imgproc, libcaffe.so, libglog 这几个就够了，不需要把 LIBRARIES 变量中指定的所有依赖库都加进去。
5) 如果在编译安装 caffe 的时候，用的是 libstdc++， 那么在 C++ Standard Library 中选择 libstdc++。否则选择 libc++，如下图这样设置:
6) 如果你的电脑上没有 GPU，那么把 CPU_ONLY=1 加到 Preprocessor 中。如下图所示:
接下来编译和调试即可。