win10配置caffe环境及python接口（GPU加速）

win10配置caffe环境及python接口（GPU加速）

本文使用的caffe windows环境配置为：
VS2015+CMake3.9.2+Python3.5+Anaconda3-4.0.0(X64)+CUDA8.0(x64)+cuDNN v6.0(x64)

前期准备

1. 首先从BVLC/caffe上下载caffe源码，选择好路径后下载。下载过后，会得到一个caffe-windows.zip文件，解压到指定位置。
2. 下载cmake 下载地址；
3. cuda安装和cudnn配置

cuda安装和配置

1.下载并安装cuda，一定要选择对应的版本，要不然会安装失败的。现在我演示的是64位win10，所以就选择对应的版本下载。安装过程比较简单，双击安装，选项建议都默认，一直点击确认或者下一步，直至安装成功即可。

2.下载cudnn，这是用来加速深度网络训练的。下载cudnn需要登陆，你可以直接用邮箱注册一个，然后登陆下载就好了。下载完后，你会发现，cudnn不是一个软件，而是一个压缩包，我下载的就是：cudnn-8.0-windows10-x64-v6.0.zip。
3.配置cudnn。cudnn解压后得到的cuda文件夹下有bin、include、lib三个子文件夹，现在需要将这三个文件夹下的东西分别放到之前cuda的安装目录下的对应文件夹下。之前已经安装过cuda，cuda的安装目录默认为：C:\Program Files\NVIDIA GPU Computing Toolkit\，现在就只需要：
-将cudnn解压后得到的cuda文件夹下的bin下的cudnn64_6.dll（cudnn后面的数字可能不一样，这就是版本问题，如果是cuda 8.0 建议搭配我这个版本的cudnn，否则可能会出现问题）文件拷贝到cuda安装目录下的bin目录下；
-将cudnn解压后得到的cuda文件夹下的lib文件夹下的x64文件夹下的cudnn.lib拷贝到cuda安装目录下的lib文件夹下的x64目录下
-将cudnn解压后得到的cuda文件夹下的include文件夹下的cudnn.h拷贝到cuda安装目录下include文件夹下

caffe配置

1.到解压出的caffe-window文件下的scripts编辑build-win.cmd文件，如图，红色部分根据自己机子情况修改



2.打开cmake,如图配置

红色箭头指的就是你下载的caffe源代码解压后的根目录，cmake通过源码configure好caffe项目文件后，会生成一个新的目录，这个目录你需要自己新建，绿色箭头就是你指定的这个目录。配置好这两个后，直接点击左下方的configure按钮，这个时候cmake会让你选择用什么编译器，这个时候就选择之前安装的Win64位VS2015点击finish按钮就可以了
3.接下来看下面步骤


步骤：点击下面的configure按钮，此时会在C盘C:\Users\用户名.caffe\dependencies\download下载一个libraries_v140_x64_py35_1.1.0.tar.bz2文件，下载很慢，会报错，建议自行下载libraries_v140_x64_py35_1.1.0.tar.bz2放入到该目录下，然后重新点击configure按钮，再出错按上图红色框设置相应属性。成功后点击Generate按钮，完然点击Open Project进入到vs2015。常见的错误：
Could not find url for MSVC version = 1800 and Python 3.5…这个时候取消勾选蓝色区域的选项就行。如图：

使用VS2015编译caffe

1.待caffe加载完成后，鼠标右击ALL_BUILD，将其设为启动项，如下图：

2.然后右击ALL_BUILD上面的 解决方案’Caffe’ , 点击属性，打开属性页，然后修改下图中勾画出的部分，配置改为Release，平台改为x64，点击配置管理器，在上面也做相同修改。修改完成之后，点击确定即可

3.完成配置后，现在开始编译了！同样，鼠标右击 解决方案’Caffe’ ，点击 生成解决方案 选项即可。
接下来就是一段漫长的编译过程。编译完成后，VS2015下方的输出会显示成功多少个，失败多少个，如果有失败的，那么请重新编译。

使用Python界面（官方）

推荐的Python发行版是Anaconda或Miniconda。要成功构建python接口，您需要添加以下conda通道：
conda config --add channels conda-forge
conda config --add channels willyd
并安装以下包：
conda install --yes cmake ninja numpy scipy protobuf==3.1.0 six scikit-image pyyaml pydotplus graphviz
如果安装了Python，默认是构建python接口和python层。如果您希望禁用蟒蛇层或Python构建使用CMake的选项-DBUILD_python_layer=0和-DBUILD_python=0分别。要使用python接口，您需要将C:\Projects\caffe\python文件夹添加到python路径或将C:\Projects\caffe\python\caffe文件夹复制到您的site_packages文件夹。

验证一下编译的结果

接下来运行一下caffe项目自带的examples里的00-classification的代码来验证一下caffe是否能够正常运行

1.打开anaconda的命令行，进入caffe的examples目录，运行jupyter notebook
2.在打开的notebook中打开caffe自带的例子 00-calssification.ipynb
这是用一个训练好的Caffe模型来预测动物图片的例子，图片默认是使用Caffe项目里examples\image\cat.jpg。
3.一路Shift+Enter运行下去，看到第8步predicted输出
predicted class is: 281
第9步输出
output label: n02123045 tabby, tabby cat
预测结果是猫，说明caffe已经正确编译而且能运行了。
[1]: https://www.cnblogs.com/jerrybaby/p/8385227.html
[2]: https://github.com/BVLC/caffe/tree/windows
[3]: https://software.intel.com/zh-cn/node/753918?language=es