当先锋百科网

首页 1 2 3 4 5 6 7
				版权声明:本文为博主原创文章,未经博主允许不得转载。					https://blog.csdn.net/zhj_matlab/article/details/69943869				</div>
							<link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/template/css/ck_htmledit_views-f57960eb32.css" target="_blank" rel="external nofollow" >
							            <div id="content_views" class="markdown_views">
						<!-- flowchart 箭头图标 勿删 -->
						<svg xmlns="http://www.w3.org/2000/svg" style="display: none;"><path stroke-linecap="round" d="M5,0 0,2.5 5,5z" id="raphael-marker-block" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);"></path></svg>
						<h2 id="前言"><a name="t0"></a>前言</h2>

在参照了网上的博客和官方给的说明后我终于配置好了我的caffe,比较坑爹的是我一开始是直接按照博客给的方法配置的,总是出问题。待我静下心来去看官方的文档发现文档是有调整的,所以按部就班地按别人的思路是配置不好的。另外由于它配置的命令build_win.cmd命令是有可能会修改的,如果大家发现我说的和他给的build_win.cmd不一样,还需要多加留心。

1.下载所需要的文件

我所用的caffe地址,里面的官方说明。
这里写图片描述
必须需要的环境是:
根据官方的说明,需要VS2015或2013(Ninja 也可以)。
cmake需要3.4版本以上的。
可供选择的是:
Anaconda Python2.7 or 3.5 x64(or Miniconda)
MATLAB的接口
CUDA8.0
cuDNN v5

我的环境是
1.VS2015
2.cmake 3.7.2
3.Anacaonda Python 2.7 x64
4.CUDA8.0
5.cuDNN v5.1

一定要明白自己的配置环境,因为官方给的配置环境不一定和你的一样,我就进行了一定的修改,待会我会写出来修改的地方,如果你的环境和我不一样需要留心。

下载链接以及说明:
1.caffe可以先不下,待会用cmd命令下载就好
2.cmake(https://cmake.org/download/)
3.Anacaonda Python 2.7 x64(https://www.continuum.io/downloads)
4.下载相应的caffe依赖包,地址https://github.com/willyd/caffe-builder/releases/
这里写图片描述
仅GPU:
5.CUDA8.0 (https://developer.nvidia.com/cuda-downloads
下载CUDA8.0的时候我就犯蠢了,我以为它的版本指的是CUDA的版本,我就想当然的在Version里下了8.1的,白白浪费了我宝贵的时间,其实它的版本指的是Windows的版本。
这里写图片描述
6.cuDNN v5.1
初次下载会让你注册,注册完就可以下载了。
这里写图片描述
我下的是5.1的。
这里写图片描述
根据要求,下载完成后,需要将cuDNN v5.1解压后的cuda文件拷贝至NVIDIA GPU Computing Toolkit\CUDA\v8.0文件夹下,比如我的是
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0。

2.配置caffe:

官方说明:
这里写图片描述
1.首先打开cmd命令行,切换到文件存储的路径。然后执行Git等一系列命令,按照说明的来,先执行前三句,比如我的是:
这里写图片描述
2.接着根据自己的情况修改caffe\scripts\bulid_win.cmd命令,把后缀名修改成txt,用vs2015将build_win.txt打开。
2.1修改里面的22-25行。

 :: Set python  with conda as the default python
    if !PYTHON_VERSION! EQU  (
        set CONDA_ROOT=C:\Miniconda-x64  //如果用的是Miniconda-x64则不用修改,如果是Anaconda,则改成自己的路径,比如我的是C:\Anaconda2
    )
 
  • 1
  • 2
  • 3
  • 4

python3.5的则对应修改26-29行。
2.2修改里面的68-90行

) else (
    :: Change the settings here to match your setup
    :: Change MSVC_VERSION to  to use VS 
    if NOT DEFINED MSVC_VERSION set MSVC_VERSION= //用vs2013的把这里修改成12
    :: Change to  to use Ninja generator (builds much faster)
    if NOT DEFINED WITH_NINJA set WITH_NINJA=  //用vs2015的把这里修改成0
    :: Change to  to build caffe without CUDA support
    if NOT DEFINED CPU_ONLY set CPU_ONLY=   //只编译CPU的把这里修改成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  to use NCCL
    if NOT DEFINED USE_NCCL set USE_NCCL=
    :: Change to  to build a caffe.dll
    if NOT DEFINED CMAKE_BUILD_SHARED_LIBS set CMAKE_BUILD_SHARED_LIBS=
    :: Change to  if using python  (only  and  are supported)
    if NOT DEFINED PYTHON_VERSION set PYTHON_VERSION=
    :: Change these options for your needs.
    if NOT DEFINED BUILD_PYTHON set BUILD_PYTHON=
    if NOT DEFINED BUILD_PYTHON_LAYER set BUILD_PYTHON_LAYER=
    if NOT DEFINED BUILD_MATLAB set BUILD_MATLAB=  //需要MATLAB接口的把这里设置为1
    :: 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=
    :: Run lint
    if NOT DEFINED RUN_LINT set RUN_LINT=
    :: Build the install target
    if NOT DEFINED RUN_INSTALL set RUN_INSTALL=
)
 
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29

2.3 把后缀名改回cmd,在命令行下运行最后一句配置命令。
这里写图片描述
3.当你执行最后一句命令的时候,它会下载一个依赖包,并且自动在C盘用户文件夹上生成.caffe文件夹,下载的依赖包就放到里面。如你所见,下载速度贼慢,而且有可能出错,所以推荐自己下载然后放在指定位置。把你下载的caffe依赖包压缩文件放到C盘用户文件夹下生成.caffe文件夹,如我的位置是在C:\Users\John.caffe\dependencies\download。
建议先运行build_win.cmd命令,如果速度太慢再把它关闭,这样就不需要自己创建对应的文件夹,只需把压缩文件拷贝就行。
4.再运行一次build_win.cmd命令,这次不会有什么问题,等待一小段时间后cmake就把vs2015的项目给创建出来了。
5.在caffe\scripts\build文件夹下就生成了caffe.sln,用vs2015将其打开,并在release x64或者Debug x64生成ALL_BUILD文件即可
这里写图片描述
最后没有报错,那么配置就告一段落了。

3.测试caffe.exe

参见Windows下VS2015编译caffe(CPU ONLY)
下载MNIST数据库​https://pan.baidu.com/s/1o7YrhKe,解压缩后将mnist-test-leveldb与mnist-train-leveldb文件夹放到\examples\mnist下

修改lenet_train_test.prototxt文件:

//需要修改四处地方,如下红色部分标注  
name: "LeNet"  
layer {  
  name: "mnist"  
  type: "Data"  
  top: "data"  
  top: "label"  
  include {  
    phase: TRAIN  
  }  
  transform_param {  
    scale:   
  }  
  data_param {  
    source: "....省略/examples/mnist/mnist-train-leveldb" //写上你的绝对路径 ,比如我的是E:\caffe\examples\mnist\mnist-train-leveldb
    batch_size:   
    backend: LEVELDB //格式改成LEVELDB  
  }  
}  
layer {  
  name: "mnist"  
  type: "Data"  
  top: "data"  
  top: "label"  
  include {  
    phase: TEST  
  }  
  transform_param {  
    scale:   
  }  
  data_param {  
    source: "....省略/examples/mnist/mnist-test-leveldb" //写上你的绝对路径  
    batch_size:   
    backend: LEVELDB  //格式改成LEVELDB  
  }  
}  
 
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36

修改lenet_solver.prototxt文件:

net: "....省略/examples/mnist/lenet_train_test.prototxt"  //绝对路径  

snapshot_prefix: "....省略/examples/mnist/lenet" //绝对路径  

solver_mode: CPU //CPU模式如果的配置了GPU也可以选择GPU  
 
  • 1
  • 2
  • 3
  • 4
  • 5

编写批处理文件run.bat内容如下:

E:\caffe\scripts\build\tools\Release\caffe.exe  train--solver=E:\caffe\examples\mnist\lenet_solver.prototxt 
//exe处写自己的绝对路径 
Pause  
 
  • 1
  • 2
  • 3

上面替换为你的文件绝对路径就可以
​双击run.bat程序能够运行,并且之后也不会报错,那么恭喜你,Caffe-Windows配置成功了。