Windows下caffe安装详解.docx

发布时间：2022-06-19 发布人：admin 分类：说明书资料大小：0.55M 资料格式：docx 举报版权申诉

9d4fbd3c-2b5a-46b0-bae4-a909bc753bba.docx.pdf-第1页.png

第1页 / 共7页

9d4fbd3c-2b5a-46b0-bae4-a909bc753bba.docx.pdf-第2页.png

第2页 / 共7页

9d4fbd3c-2b5a-46b0-bae4-a909bc753bba.docx.pdf-第3页.png

第3页 / 共7页

9d4fbd3c-2b5a-46b0-bae4-a909bc753bba.docx.pdf-第4页.png

第4页 / 共7页

9d4fbd3c-2b5a-46b0-bae4-a909bc753bba.docx.pdf-第5页.png

第5页 / 共7页

9d4fbd3c-2b5a-46b0-bae4-a909bc753bba.docx.pdf-第6页.png

第6页 / 共7页

9d4fbd3c-2b5a-46b0-bae4-a909bc753bba.docx.pdf-第7页.png

第7页 / 共7页

文本预览

Windows 下 caffe 安装详解(cpu+gpu+matcaffe+pycaffe) 需要准备的文件: 1，VS2013，这个不再赘述 2，Windows 版的 caffe，BVLC 官方链接为 https://github.com/BVLC/caffe/tree/windows 安装过程： 1，将下载的 caffe-windows.zip 进行解压，并进入其根目录下的 windows 目录，（eg:E:\caffe\windows）。将该目录下的 CommonSettings.props.example 复制一个并改名为 CommonSettings.props，同样还是放在当前目录下。 2，点击打开该 CommonSettings.props，这里由于本人的需要，对 matcaffe，和 pycaffe 都进行了安装，实际操作的童鞋可以根据自己的需要进行选择。（要安装 matcaffe 必须首先安装 matlab，安装步骤不在赘述，要安装 pycaffe 需要首先安装 Python，可以参考该链接 http://blog.csdn.net/qq_14845119/article/details/52354394）相应的修改如下所示。其中，左面为原始的 CommonSettings.props.example，右面为需要修改的 CommonSettings.props。 cpu 模式的配置： gpu 模式的配置：

注意，CudaVersion 修改为自己电脑的 cuda 版本（本人电脑的 cuda 为 7.5 版本，因此不做修改）。同时注意，由于 GPU 库除了使用 cublas 等 cuda 库之外，还用到了 cudnn，默认安装驱动是不安装这个的，因此，需要去官网 https://developer.nvidia.com/cudnn 下载（需要注册）。下载完成后，进行解压，将相应的 bin，include，lib 分别放于自己的 cuda 下面的相应目录中，例如，本人电脑的 cuda 目录为 C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v7.5，因此，将刚才解压的文件放在这个目录下面的 bin，include，lib 文件夹下。 3，点击 E:\caffe\windows 该目录下的 Caffe.sln 用 VS2013 打开。这里由于别的模块用到了 libcaffe，所以，首先选择 libcaffe，右键生成。成功之后，再选择整个解决方案，右键生成解决方案。其中会出现 3 个问题（1）Nuget 会提示下载一些东西，包括 boost,opencv2.4.10,gflags,glog,hdf5,lmdb,LevelDB,OpenBLAS,protobuf 等预编译的依赖包。过程有点慢，多等会就 ok。下载完成后会在 caffe 的同级目录生成 NugetPackages 的文件。（2）出现没有生成 object 文件的错误，双击该错误，点击确定，然后保存即可。

（3）出现无法打开 libcaffe.lib 的错误，编译生成 libcaffe，再编译整个解决方案。（4），右键解决方案->属性->通用属性->启动项目->当前选定内容，然后保存。点击 caffe->caffe.cpp，按 F5 运行，生成如下界面，证明安装成功。同时在根目录下面会生成相应的 exe， lib，dll 等文件。

plus:在上面的工作完成之后，可以考虑将 NugetPackages 根目录下的 glog，LevelDB，protobuf 目录中 lib 下面的 debug 目录中相应的 lib 后面都加上 D 重命名一下，这样在实际工程调试还是部署都不会有 debug 和 release 的 lib 重名的现象。还是很有用的。当然这一步可以不做，根据自己需要。到目前为止 caffe 就都安装好了，进入测试环节， mnist 测试：下面通过一个一个最简单的网络结构 lenet 来对刚才安装的 caffe 进行测试。（1）去官网 http://yann.lecun.com/exdb/mnist/下载 mnist 数据集。下载后解压到 E:\caffe\data\mnist，如下图所示。（2）在 caffe 根目录下，新建一个 create_mnist.bat，里面写入如下的脚本。 [plain] view plain copy

1. .\Build\x64\Release\convert_mnist_data.exe .\data\mnist\mnist_train_lmdb\train-images.idx3 -ubyte .\data\mnist\mnist_train_lmdb\train-labels.idx1-ubyte .\examples\mnist\mnist_train_ lmdb 2. echo. 3. .\Build\x64\Release\convert_mnist_data.exe .\data\mnist\mnist_test_lmdb\t10k-images.idx3-u .\data\mnist\mnist_test_lmdb\t10k-labels.idx1-ubyte .\examples\mnist\mnist_test_lmd byte b 4. pause 然后双击该脚本运行，即可在 E:\caffe\examples\mnist 下面生成相应的 lmdb 数据文件。（3）修改 E:\caffe\examples\mnist\lenet_solver.prototxt，将最后一行改为 solver_mode:CPU，修改 E:\caffe\examples\mnist\lenet_train_test.prototxt，如下所示，左面为原始的，右面为修改后的。

（4）在 caffe 根目录下，新建 train_mnist.bat，然后输入如下的脚本， [plain] view plain copy 1. .\Build\x64\Release\caffe.exe train --solver=.\examples\mnist\lenet_solver.prototxt 2. pause 然后双击运行，就会开始训练，训练完毕后会得到相应的准确率和损失率。

plus： c++实现的，将 mnist 数据集转化为图片格式，请戳鄙人拙作， http://blog.csdn.net/qq_14845119/article/details/54895200 c++实现的，利用 LeNet 识别鼠标手写的字符，请戳鄙人拙作， http://blog.csdn.net/qq_14845119/article/details/54910358

分享到：

赞收藏

资料库

Windows下caffe安装详解.docx

相关推荐

人工智能

热门标签

最新资料