Caffe在Win10上的CPU配置以及运行第一个手写体数字识别的caffemodel

Caffe在Win10上的CPU配置：

操作系统：Windows10

编译环境（必选）：Visual Studio 2013 Ultimate版（Visual Studio 2013 Ultimate版免费获取地址：http://download.microsoft.com/download/9/3/E/93EA27FF-DB02-4822-8771-DCA0238957E9/vs2013.5_ult_chs.iso?type=ISO)

由于只编译CPU模式Caffe，所以先不安装CUDA Toolkit 7.5（英伟达推出的GPU加速运算平台）和cuDNN（深度神经网络的GPU加速库）

以下分为五步：

（1）安装Visual Studio 2013 Ultimate版（如安装到D:\VS2013[自己命名的文件夹]）；

（2）将Microsoft为Windows用户提供的Caffe 代码（https://github.com/microsoft/caffe）下载到磁盘（如D:\caffe-master[自己命名的文件夹]）；

（3）进入D:\caffe-master\caffe-master\windows目录（第二个caffe-master是解压后得到的），将文件CommonSettings.props.example重命名为CommonSettings.props，修改其内容如下：

其他的内容都不用改

（4）修改完成后，保存该文件。双击同一目录下的caffe.sln文件，打开Windows Caffe工程；

（5）单击菜单“生成”，“重新生成解决方案”，开始漫长的编译过程。在编译阶段，Visual Studio 2013会通过NuGet工具自动获取编译的Caffe依赖包，放置在D:\caffe-master\NugetPackages下面。打开该目录，查看下载好的依赖包，总共有16个文件夹；

编译成功后，生成的可执行文件和库位于D:\caffe-master\caffe-master\Build\x64\Release下面：

这里遇到了第一个问题，下载好依赖包后并没有编译成功，在D:\caffe-master\caffe-master\Build\x64并没有出现Release文件夹

问题1：编译后在D:\caffe-master\caffe-master\Build\x64并没有出现Release文件夹

解决方案：用VS2013打开D:\caffe-master\caffe-master\src\caffe\util中的math_functions.cpp文件，单击菜单“项目”，“libcaffe属性",“配置属性”，“C/C++","常规","将警告视为错误"改为“否”后保存文件。

运行第一个手写体数字识别的caffemodel：

（1）通过D:\caffe-master\caffe-master\data\mnist中的get_mnist.sh脚本下载mnist数据集，但.sh脚本文件只能在Linux下运行，在Windows上运行需要下载Git bash运行，Git bash可以让你直接在windows下运行shell脚本（https://git-scm.com/download/win）；

（2）通过Git bash运行脚本文件需要下载wget，wget可以让你从互联网上获取资源（http://www.interlog.com/~tcharron/wgetwin-1_5_3_1-binary.zip），为了外部调用wget，需要将wget所在目录加入环境变量（电脑，属性，高级系统设置，环境变量，双击Path）；

（3）打开Git bash,cd到caffe根目录（可以通过在环境变量中新建一个变量名为CAFFE_ROOT根目录名，变量值为D:\caffe-master\caffe-naster),再输入./data/mnist/get_mnist.sh即可下载解压；

这里遇到了第二个问题：wget unrecognized option，在Windows利用wget和gitbash通过get_mnist.sh脚本下载不了mnist数据集

解决方案：打开get_mnist.sh脚本，修改其内容，将--no-check-certification语句删掉后保存文件。

下载好的数据集放置于D:\caffe-master\caffe-master\data\mnist下面，出现4个二进制文件：

（4）在caffe框架中需要将下载到的二进制文件的原始数据集转换为LEVELDB或LMDB才能被Caffe识别，在这个应用中转换为lmdb格式，打开Git bash,cd到caffe根目录，输入./examples/mnist/create_mnist.sh即可转换；

这里遇到了第三个问题：将二进制文件转换成lmdb时出现no such file

解决方案：打开D:\caffe-master\caffe-master\examples\mnist中的create_mnist.sh脚本文件，修改其内容（1、EXAMPLE，将其定位到create_mnist.sh脚本文件所在的地方；2、DATA，将其定位到从数据库下载的二进制格式数据中；3、BUILD，将其定位到有convert_mnist_data.exe所在的地方）：

转换好的数据放置于D:\caffe-master\caffe-master\examples\mnist，出现两个新的文件夹mnist_train_lmdb和mnist_test_lmdb，每个文件夹里都有两个文件：data.mdb和lock.mdb：

（5）开始训练神经网络，在Caffe根目录下新建一个文本文件txt，用VS打开txt，在文本中输入以下命令，并将文件名重命名为run_mnist.bat，打开D:\caffe-master\caffe-master\examples\mnist中的lenet_solver.prototxt（训练超参数文件），在最后一行选择cpu，鼠标双击运行run_mnist.bat开始训练，训练日志如下；

训练完后在D:\caffe-master\caffe-master\examples\mnist中会出现4个文件，分别是迭代5000次和10000次的模型（因为在训练超参数文件中设置snapshot:5000，意思是每5000次迭代输出中间结果，即保存一次.caffemodel，.solverstate：

（6）开始预测，在Caffe根目录下新建一个文本文件txt，用VS打开txt，在文本中输入以下命令，并将文件名重命名为test_mnist.bat，鼠标双击运行test_mnist.bat开始测试，测试日志如下

.\Build\x64\Release\caffe.exe test -model=examples\mnist\lenet_train_test.prototxt -weights=examples\mnist\lenet_iter_10000.caffemodel -iterations=100
pause

注意这里第一行一定要在一行内写，命令行解释：

1、.\Build\x64\Release\caffe.exe test  表示只做预测（前向传播计算），不进行参数更新（后向传播计算）；

2、model=examples\mnist\lenet_train_test.prototxt   表示指定模型描述文本文件；

3、-weights=examples\mnist\lenet_iter_10000.caffemodel    表示指定模型预先训练好的权值文件；

4、-iterations=100    表示指定测试迭代次数

利用自制的数字测试网络的性能：

（1）用Windows的画图工具自己手写一张，打开画图工具，“重新调整大小”，写好后保存，可以看到保存的是.png格式的RGB图像，而网络中使用的是28*28的灰度图像，所以需要借助matlab将RGB图像转化为灰度图像，代码如下（这里我自制了8张手写图像，在matlab中通过循环将8张图像都转换为灰度图像），最后将转换好的图像放置于D:\caffe-master\caffe-master\examples\mnist\selftest：

（2）在D:\caffe-master\caffe-master\examples\mnist中新建标签文件synset_words.txt：

（3）在D:\caffe-master\caffe-master新建mnist_class.bat（除了pause外其他都写在同一行，pause的作用：使命令行界面停住），双击运行，结果如下图（这里只测试了一张自制的图像）：

D:\caffe-master\caffe-master\Build\x64\Release\classification.exe D:\caffe-master\caffe-master\examples\mnist\lenet.prototxt D:\caffe-master\caffe-master\examples\mnist\lenet_iter_10000.caffemodel D:\caffe-master\caffe-master\examples\mnist\mean.binaryproto D:\caffe-master\caffe-master\examples\mnist\synset_words.txt D:\caffe-master\caffe-master\examples\mnist\selftest\26.bmp
pause