caffe环境的配置 win10 + vs2015 + cuda8.0 + cudnn5.1
参考博文：https://blog.csdn.net/cym1990/article/details/78563349
配置环境：win10 + vs2015 + cuda8.0 + cudnn5.1 for win10 + cmake3.4+ + anaconda版本随意
caffe + 它的依赖包
注意版本问题：
vs2015和vs2013的caffe版本是有区别的，不然vs打开caffe/windows工程的时候是会报错的。
截至2018/6/26号之前，caffe还只支持到cuda8.0。（根据caffe github 说明判断的，不过至少保证8.0能用）
caffe也有几个版本：
官方原版：https://github.com/BVLC/caffe/tree/windows
mircosoft自家搞得一款：这个还没试过。。。
安装大体顺序：
vs -> cuda -> cudnn -> cmake -> anaconda ->编译caffe->测试安装
建议大家把要用的安装包都备份好，以备不时之需。
下载caffe：
官方原版：https://github.com/BVLC/caffe/tree/windows
打开官方原版网址，可以看到下面的说明：
字面上的意思是指，上面是已经编译好的二进制文件应该。按照下面的安装需求去选择你的配置。
下载vs2015：
vs2013 vs2015 都有
要下载旧版本还得加入他们的DEV 计划，登录一下自己的windows账号，下载一个得了。3.7G得一会。
https://visualstudio.microsoft.com/zh-hans/vs/older-downloads/
安装比较简单，不详细介绍了。。。
下载cmake：
https://cmake.org/download/
在上面这个网址可以下载：cmake 3.10.0-rc5
不过之前碰巧已经下载了另一个版本，并亲测有效：cmake-3.9.6-win64-x64.msi
下载链接：https://cmake.org/files/v3.9/cmake-3.9.6-win64-x64.msi
简单安装一下。
DirectXSDK
可以先不安装，暂时用不到。
就是Software Development，没有这个CUDA的SAMPLES有十几个编译通不过。
下载地址：KitDXSDK_Jun10.exehttps://www.microsoft.com/en-us/download/details.aspx?displaylang=en&id=6812
anaconda
这部分是支持python接口才需要的，如果不需要应该可以不下载安装，后面的配置文件改成不支持python即可，但博主是留着python以防万一用到的。
安装下来是3.6的版本，这里要把系统默认python环境改成python3.5，参考这个官方说明：
https://conda.io/docs/user-guide/tasks/manage-python.html
conda create -n py35 python=3.5 anaconda
activate py35 #但是当退出之后仍然是默认的3.6 命令行执行：
conda info --envs #可以看到有一个root,一个py35，找到py35这个包的安装路径。然后在windows的环境变量中，把py35这个环境的路径和这个路径下的scripts路径添加到path路径中：
默认就是python3.5了。
cuda ：
博主一开始下载安装了9.0版本，喜欢比较新的，但是看到caffe github官网写着支持到8.0，一脸懵逼，但偶尔看到有人说9.0也行，但还是心虚，决定全部卸载重装了。
下载地址：https://developer.nvidia.com/cuda-toolkit-archive
注意：
如果需要卸载的时候看控制面板里面的，cuda 8.0字眼的都删除，应该剩下下面这些东西了。
下载cudnn
https://developer.nvidia.com/rdp/cudnn-archiveNvidia官网搜索cudnn archive，我暂时打不开链接（公司神坑），同事给的是：cudnn6.0 for cuda8.0 for win10 的library。 但5.1， 5.0版本应该也行的。
把解压后的文件复制到cuda8.0的安装的文件夹里，一般是下面这样的。其实就是把cudnn的几个二进制文件复制到对应目录下。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
下载相应的caffe依赖包
地址https://github.com/willyd/caffe-builder/releases/ （注意我这里下载的是：libraries_v140_x64_py35_1.1.0.tar.bz2（注意vs版本和python版本，vs2013下载那个120版本），这个文件非常难下载，我下载了很多次都没下载下来，如果有需要的，请看百度云链接: https://pan.baidu.com/s/1bp4hJiv 密码: zwn8） 我所在实习公司自己电脑官网云盘都下载不了（神坑啊），耽误了不少时间，最后还是用了公司一台服务器下载下来的。。。
配置caffe
下载个notepad++吧，编辑 caffe-windows\scripts\build_win.cmd
修改里面的环境配置，执行的时候将由Cmake生成VS可以打开的工程。也不知道是不是我装了cuda9.0又卸载安装了cuda8.0，装了vs2015后又各种乱七八糟德卸载，重装的操作之后搞坏了什么东西，总之出了很多错，但运气不错，都一一解决了。
按照官方说明 ‘Edit any of the options inside build_win.cmd to suit your needs’
这个文件是针对待会的make行为的配置，非常重要！
修改python环境，如果选择不支持python接口可以略过。大概29行位置：
if !PYTHON_VERSION! EQU 3 (
set CONDA_ROOT=C:\Users\jiangzhang\AppData\Local\conda\conda\envs\py35 #修改成刚刚自己新建的anaconda python3.5的环境
)大概70行位置
:: Change the settings here to match your setup
:: Change MSVC_VERSION to 12 to use VS 2013
if NOT DEFINED MSVC_VERSION set MSVC_VERSION=14 #默认14对应vs2015
:: Change to 1 to use Ninja generator (builds much faster)
if NOT DEFINED WITH_NINJA set WITH_NINJA=0 #vs2015为0
:: Change to 1 to build caffe without CUDA support
if NOT DEFINED CPU_ONLY set CPU_ONLY=0 #只编译针对cpu的工程设置1，显然我们要用gpu
:: Change to generate CUDA code for one of the following GPU architectures
:: [Fermi Kepler Maxwell Pascal All]
if NOT DEFINED CUDA_ARCH_NAME set CUDA_ARCH_NAME=Auto
:: 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 1 to use NCCL
if NOT DEFINED USE_NCCL set USE_NCCL=0
:: Change to 1 to build a caffe.dll
if NOT DEFINED CMAKE_BUILD_SHARED_LIBS set CMAKE_BUILD_SHARED_LIBS=0
:: Change to 3 if using python 3.5 (only 2.7 and 3.5 are supported)
if NOT DEFINED PYTHON_VERSION set PYTHON_VERSION=3 #3对应python3.5， 2对应python2.7
:: Change these options for your needs.
if NOT DEFINED BUILD_PYTHON set BUILD_PYTHON=1 #是否有python接口的设置，1为是
if NOT DEFINED BUILD_PYTHON_LAYER set BUILD_PYTHON_LAYER=1 #是否有python接口的设置，1为是
if NOT DEFINED BUILD_MATLAB set BUILD_MATLAB=0 #解释同上
:: 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=0
:: Run lint
if NOT DEFINED RUN_LINT set RUN_LINT=0
:: Build the install target
if NOT DEFINED RUN_INSTALL set RUN_INSTALL=0160行添加cudnn路径
-DCUDNN_ROOT=D:/Program Files/caffe/cudnn-8.0-windows10-x64-v5.1/cuda ^
cmake -G"!CMAKE_GENERATOR!" ^
-DBLAS=Open ^
-DCMAKE_BUILD_TYPE:STRING=%CMAKE_CONFIG% ^
-DBUILD_SHARED_LIBS:BOOL=%CMAKE_BUILD_SHARED_LIBS% ^
-DBUILD_python:BOOL=%BUILD_PYTHON% ^
-DBUILD_python_layer:BOOL=%BUILD_PYTHON_LAYER% ^
-DBUILD_matlab:BOOL=%BUILD_MATLAB% ^
-DCPU_ONLY:BOOL=%CPU_ONLY% ^
-DCOPY_PREREQUISITES:BOOL=1 ^
-DINSTALL_PREREQUISITES:BOOL=1 ^
-DUSE_NCCL:BOOL=!USE_NCCL! ^
-DCUDA_ARCH_NAME:STRING=%CUDA_ARCH_NAME% ^
-DCUDNN_ROOT=D:/Program Files/caffe/cudnn-8.0-windows10-x64-v6.0/cuda ^
"%~dp0\.."之后可以不用按照官网解释，直接双击执行 scripts\build_win.cmd
但如果直接闪退说明出现问题了，那还得用cmd运行这个文件，因为直接双击异常后直接关闭，看不到错误信息。
cmd执行后可能碰到的问题及解决方案（这些都是我碰到的问题）：
ERROR: Cannot determine the location of the VS Common Tools folder.
参考： https://blog.csdn.net/ked/article/details/25052955但是注意版本不同，原理一样。
直接修改vcvars32.bat 文件指定具体路径：
打开计算机->属性->高级系统设置
新建变量VS140COMNTOOLS，属性值设置为C:\Program Files (x86)\Microsoft Visual Studio 14.0\Common7\Tools\
打开编译VC\bin目录下的vcvars32.bat文件，在第一行添加下列语句：
@echo Setting environment for using Microsoft Visual Studio 2015 x64 tools #注意版本
@SET VSINSTALLDIR=c:\Program Files\Microsoft Visual Studio 14.0 #注意版本
@SET VCINSTALLDIR=c:\Program Files\Microsoft Visual Studio 14.0\VC #注意版本
@SET FrameworkDir32=c:\Windows\Microsoft.NET\Framework
@SET FrameworkVersion32=v4.0.30319
@SET Framework35Version=v3.5并注释掉下列语句：
::@call :GetVSCommonToolsDir
::@if "%VS140COMNTOOLS%"=="" goto error_no_VS140COMNTOOLSDIR #所以刚刚新建的环境变量名是VS140COMNTOOLS
::@call "%VS140COMNTOOLS%VCVarsQueryRegistry.bat" 32bit No64bit %1 %2
CMake Error: Error: generator : Visual Studio 14 2015 Win64 Does not match the generator used previously: Ninja
删除生成的 scripts下的build 文件夹，重启 cmd，重新编译。
cmake/WindowsDownloadPrebuiltDependencies.cmake:71 (file):
依赖包没下载成功，这时候程序已经生成一个文件路径了，但里面没有文件，我们把刚刚的文件放进来就行了。
libraries_v140_x64_py35_1.1.0.tar.bz2这个文件放到C:/Users/HUST/.caffe/dependencies/download中，再次运行，就OK了；
突破重围，最后终于来到了这个乱七八糟的画面，需要很久，表示很紧张。别点击这些乱七八糟的东西，会被暂停的。不知道的还以为是有问题呢，用时37分钟，终于好了。（有个什么worning可以先不处理）
接下来用vs打开在caffe\scripts\build文件夹下生成的caffe.sln。然后Debug/Release 64位下，右键下方图片上的ALL_BUILD生成。
又是20分钟过去了。。。
这一步大概的解释：生成caffe的可执行文件，大量的.dll文件就是，scripts/build/tools/release里面就是可执行的caffe的文件。
另外我们关心的文件都是在D:\ws\caffe-windows\src\caffe下如：layers目录下的文件都是各种层的定义。
D:\ws\caffe-windows\src\caffe\proto下的caffe.proto记录的就是针对上面layer 的参数解释，
测试安装
测试lenet 跑mnist数据集分类，很方便，这是自带的examples里面现成的。
首先准备数据，三个途径：
途径1. 执行D:\ws\caffe-windows\data\mnist里面的get_mnist.sh下载，但是要使得wn10可以运行.sh文件，需要bash。这里可以参考下面这个博文：
https://jingyan.baidu.com/article/e73e26c0be8b6624adb6a7ba.html
注意：有些版本的win10也不支持这个，我实习公司的就不行。（巨坑+1）
打开就闪退，网上找到的解决方法，闪退没事了，但提示系统不支持。
如果你的可以，执行D:\ws\caffe-windows\data\mnist里面的get_mnist.sh下载，然后执行D:\ws\caffe-windows\examples\mnist 里的create_mnist.sh 进行数据转换，会生成mnist-train-leveldb、mnist-test-leveldb两个文件夹
途径2. 下载GIT来运行.sh文件，我嫌麻烦没弄。
参考：https://blog.csdn.net/zzfenglin/article/details/53147604
途径3. 事实上，实习公司电脑真的是醉了，win10的 bash 我的Windows版本不能使用，最后还是花了积分在CSDN上下载的。
下载地址：https://download.csdn.net/download/u012878523/8140305
所以还是自个下载了。解压后两个文件夹的文件名为：mnist-train-leveldb、mnist-test-leveldb 注意这个文件名后面会用到的。放在 D:\ws\caffe-windows\examples\mnist
接下来修改两个关键的文件
1. D:\ws\caffe-windows\examples\mnist 目录下的 lenet_train_test.prototxt
可以用notepad来修改比较清晰
修改后的图片：
name: "LeNet"
layer {
name: "mnist"
type: "Data"
top: "data"
top: "label"
include {
phase: TRAIN
}
transform_param {
scale: 0.00390625
}
data_param {
source: "D:/ws/caffe-windows/examples/mnist/mnist-train-leveldb" //修改为绝对路径
batch_size: 64
backend: LEVELDB //格式改成LEVELDB
}
}
layer {
name: "mnist"
type: "Data"
top: "data"
top: "label"
include {
phase: TEST
}
transform_param {
scale: 0.00390625
}
data_param {
source: "D:/ws/caffe-windows/examples/mnist/mnist-test-leveldb" //修改为绝对路径
batch_size: 100
backend: LEVELDB //格式改成LEVELDB
}2.同目录下的 lenet_solver.prototxt
# The train/test net protocol buffer definition
net: "D:/ws/caffe-windows/examples/mnist/lenet_train_test.prototxt" //绝对路径
# test_iter specifies how many forward passes the test should carry out.
# In the case of MNIST, we have test batch size 100 and 100 test iterations,
# covering the full 10,000 testing images.
test_iter: 100
# Carry out testing every 500 training iterations.
test_interval: 500
# The base learning rate, momentum and the weight decay of the network.
base_lr: 0.01
momentum: 0.9
weight_decay: 0.0005
# The learning rate policy
lr_policy: "inv"
gamma: 0.0001
power: 0.75
# Display every 100 iterations
display: 100
# The maximum number of iterations
max_iter: 10000
# snapshot intermediate results
snapshot: 5000
snapshot_prefix: "D:/ws/caffe-windows/examples/mnist/lenet" //绝对路径
# solver mode: CPU or GPU
solver_mode: GPU //我们要的是GPU开始训练
写一个批处理文件，或者cmd去运行的方式执行测试
批处理方式：写一个run.bat文件，内容如下：
D:\ws\caffe-windows\scripts\build\tools\Release\caffe.exe train --solver=D:\ws\caffe-windows\examples\mnist\lenet_solver.prototxt
pause Win+R cmd方式：直接win+R cmd输入
D:\ws\caffe-windows\scripts\build\tools\Release\caffe.exe train --solver=D:\ws\caffe-windows\examples\mnist\lenet_solver.prototxt 
之后执行没问题的话会到这个界面
至少说明caffe配置没有问题啦。之后就是试试自己导入一个自己的模型，在VS里面进行操作了。
本篇到此为止了。