微在Nuget上傳了Caffe所需的所有3rd-Library，因此不想了解和編譯Caffe三方庫的同學，可以略過以下內容。
附微軟提供的Windows版本Caffe
glog
由Google提供的日誌模塊，通過設置FLAGS_log_dir來保存訓練和測試日誌。通過CMake生成VS項目並編譯，僅編譯Release版本即可，似乎在Caffe中不能夠使用靜態庫（反正我從來沒配置成功過）；
gflags
命令行參數解析，解析CMD命令參數，可以通過宏DEFINE_string定義參數以及參數說明，並用ParseCommandLineFlags函數對參數進行解析。通過CMake生成VS項目並編譯；
protobuf
存儲數據結構信息，構造網絡模型，保存網絡權值等。通過CMake生成VS項目並編譯；
其實主要是通過protobuf將Caffe的代碼和訓練分離，使得訓練的時候只用關注如何構造網絡結構而不用擔心實現問題；（唔~我自己的理解其實也就是Google定義了一套標準用來轉化結構化的數據，具體的用法可以參考網上的資料或者參考Caffe項目中的caffe.proto文件）
googletest
用於對代碼進行測試，如果不編譯和運行caffe中的測試代碼，則僅需要頭文件。在編譯protobuf的時候，如果需要生成相應的測試項目，也需要googletest和googlemock；
leveldb
由Google提供的一個高效的key-value數據庫。Git項目需要切換到WINDOWS分支，並參考WINDOWS文檔說明進行編譯，該項目需要Boost的支持；
對於Windows版本，需要對代碼進行如下修改：
- 註釋掉c.cc文件中的#include <unistd.h>
- 在port.h文件中 #include "port/port_android.h"之後添加
#elif defined(LEVELDB_PLATFORM_WINDOWS)
#include "port\port_win.h"
#endif 如果在Visual Studio 2015中，還需要進行如下修改：
- x64平臺中添加預定義宏WIN32
- 註釋掉port_win.h中的#define snprintf _snprintf
讓人不爽的是Google目前沒有再對leveldb的Windows版本進行維護，但是在需要處理大量的key-value數據的時候，還是很有效的（嗯，這東西可以理解爲擴展版的+外部存儲版本的std::map）
Boost
提供智能指針以及多線程和時間函數的支持。如果在VS2013中使用Boost1.60以上的版本，需要將VS升級到Update 5；Caffe中僅使用了以下6個靜態庫：
- boost.chrono (libboost_chrono-*.lib)
- boost.data_time (libboost_date_time-*.lib)
- boost.filesystem (libboost_filesystem-*.lib)
- boost.system (libboost_system-*.lib)
- boost.thread (libboost_thread-*.lib)
- boost.python (libboost_python-*.lib)
其中，boost.python僅在使用宏WITH_PYTHON_LAYER時纔會被用到（“*”會隨着編譯環境以及Boost版本變化），另外，如果要使用libboost_python的靜態庫，在項目中需要添加宏定義BOOST_PYTHON_STATIC_LIB，否則默認鏈接boost.python的動態庫；
Boost編譯方法：
解壓下載的壓縮包之後，在Visual Studio的編譯環境下運行boottrap.bat，得到b2.exe之後，運行如下命令：
b2 stage toolset=msvc-14.0 address-model=64 由於我目前下載的Boost 1.64版本，python版本3.5，以上命令編譯無法得到libboost_python-*.lib庫，因此我參考Boost官方文檔添加了配置文件user-config.jam，內容如下：
# Configure specific Python version.
using python : 3.5
#: C:/Program Files/Python35/python.exe
#: C:/Program Files/Python35/include #directory that contains pyconfig.h
#: C:/Program Files/Python35/libs #directory that contains python27.lib
#: <toolset>msvc ;相應的編譯命令修改爲：
b2 stage toolset=msvc-14.0 address-model=64 --user-config=user-config.jam 這樣編譯後會得到libboost_python3-*.lib，但是在項目中依然會提示找不到libboost_python-*.lib庫文件，因此需要將libboost_python庫添加到忽略列表中，添加對libboost_python3的引用；
更新一下，目前Boost 1.68.0版本在VS2017的環境下，編譯Python的庫是沒有問題的，Python路徑沒有問題的情況下，會直接生成python相關的庫，如果沒有生成，那麼多半是python的路徑空格問題
參考
[1] http://stackoverflow.com/questions/15881771/boost-1-53-python-fatal-error-lnk1104-boost-python-vc110-mt-gd-1-53-lib
[2] http://blog.csdn.net/zengraoli/article/details/70187556
[3] http://blog.csdn.net/lpp0900320123/article/details/52014741
OpenCV
在Caffe中僅用OpenCV讀取圖象數據。官方提供x64預編譯版本；
OpenBlas
科學運算庫，可以用Intel MKL替代
如果使用VS2013進行編譯，則需要對openblas_config.h文件進行修改：
#if (defined(__STDC_IEC_559_COMPLEX__) || __STDC_VERSION__ >= 199901L || \
(__GNUC__ >= 3 && !defined(__cplusplus)) || \
_MSC_VER >= 1800) // Visual Studio 2013 supports complex修改爲
#if (defined(__STDC_IEC_559_COMPLEX__) || __STDC_VERSION__ >= 199901L || \
(__GNUC__ >= 3 && !defined(__cplusplus))) // Visual Studio 2013 does not support complexVS2017以後可以無視這條，並且最新版本的OpenBlas一般不提供預編譯版本，Window版本的則不需要GCC的相關三方庫
HDF5
HDF是用於存儲和分發科學數據的一種自我描述、多對象文件格式，可以用於對Caffe輸入數據進行存儲和讀取，可以用於迴歸網絡中浮點型標籤的存儲。官方提供預編譯版本；
LMDB
非關係型數據庫，不支持超過2G以上的數據。創建靜態庫項目，將midl.h、lmdb.h以及midl.c、mdb.c文件到項目中並進行編譯；
Nvidia
CUDA
Nvidia GPU運算庫。由於CUDA僅能夠在x64平臺下運行，因此Caffe不支持x86的GPU運算，但是可以在x86平臺下編譯CPU版本；
CUDNN
CUDA加速，下載壓縮包後解壓，將解壓的文件拷貝到CUDA對應的文件夾中即可；
GCC
x64平臺中需要libgcc_s_seh-1.dll、libgcc_s_sjlj-1.dll、libgfortran-3.dll、libquadmath-0.dll；
這是由於預編譯版本的OpenBlas是基於MinGW交叉編譯的，因此需要以上4個相關的DLL
以上，懶得再補了，現在用Caffe的人越來越少了，本來想整理以前遇到的問題集錦的也沒弄出來，反正遇到啥問題上Google吧，不過前面提到的一些三方庫在很多時候還是很有用的，比如glog以及leveldb等，學會用輪子了至少會減少自己造輪子的難度