caffe windows配置及classification编译分类

caffe windows的配置安装

这里主要参考了如何快糙好猛地在windows下编译caffe及并使用其matlab和python接口，下面详述本人的安装过程。

准备

提前说明下，本人的安装环境是windows+vs2013+cuda7.5。首先是happynear准备好的caffe源码https://www.github.com/happynear/caffe-windows。
其次是happynear制作的第三方库http://pan.baidu.com/s/1bSzvKa。
将第三方库中的内容解压至caffe源码中的3rdparty文件夹中，并将3rdparty/bin文件夹添加至环境变量path中，方便程序找到第三方库的dll。

编译

进入caffe-windows-master目录。

1. 双击./src/caffe/proto/extract_proto.bat 批处理文件来生成caffe.pb.h caffe.pb.cc 两个c++文件和caffe_pb2.py。
2. 打开./buildVS2013/MainBuilder.sln，打开之后切换编译模式至Release X64模式。如果打开之后显示加载失败，可能你的CUDA版本和我的不一致，我的是CUDA 7.5版，这时就要用记事本打开./buildVS2013目录下各个文件夹内的.vcxproj文件，搜索CUDA 7.5，把这个7.5换成你自己的CUDA版本，就可以正常打开了。另外，如果你的显卡比较老或者没有显卡，请使用./build_cpu_only/MainBuilder.sln。(工程打开后，默认启动工程是caffe，也就是我们需要编译的工程)
3. 点击编译按钮开始编译吧！这个过程大概半个小时左右。另外，编辑即将结束前可能出现弹窗提示未能生成编译信息，这个没有多大关系，只需要设置下工程属性即可，这里不多说可以直接搜下，因为这时在目录下已经有bin文件夹，其中生成了caffe.exe。
4. 运行mnist demo时，首先得下好mnist leveldb，然后到解压至.\example\mnist\下，运行根目录下的run_mnist.bat，运行结束后，可以在.\log中找到刚才运行的日志。

matlab wrapper编译

所谓的matlab wrapper编译，其实就是matcaffe这个工程的编译。
首先，将该工程设置为启动项目，右击属性。

• C/C++ ->常规->附加包含目录中修改其中的matlab的include改为自己的，如 C:\Program Files\MATLAB\MATLAB Production Server\R2015a\extern\include。
• 链接器 ->常规 ->附加库目录中修改其中matlab改为自己的，如 C:\Program Files\MATLAB\MATLAB Production Server\R2015a\extern\lib\win64\microsoft。
• 链接器 ->输入 ->附加依赖项，检查有没有libmex.lib; libmat.lib; libmx.lib，没有的话，自己加上。
  配置完成后，编译就可以了，最后会在.\matlab+caffe\private目录下生成caffe_.mexw64，这个就是matlab调用caffe的wrapper。
  使用caffe中matlab的demo时，打开matlab, 进入.\matlab\demo文件夹，参考classification_demo.m使用这个wrapper。另外说明一点，之前我使用的matlab2010b在调用caffe.Net时几乎百分百出现matlab崩溃，开始一直以为是我编译生成的mexw64有问题，后来我重新安装了matlab2015a这个问题就没有发生了。

classificatin.cpp的编译

classification.cpp是在.\example\classification目录中的。在windows中用VS编译还是挺麻烦的，所以在这里也记录一下，关键还是其中的依赖库的配置。这里因为是自己不断实验，不断看网上仅有的例子摸索出来的，所以方法有点笨拙。
我的方法是，在caffe工程中，新建classification.cpp，将那个classification.cpp复制到这里，然后排除caffe.cpp，编译。这样就省去了环境配置的麻烦，但缺点是生成的exe仍在.\bin中，但文件名为caffe，把我之前编译生成的caffe.exe覆盖了。
使用该classification.cpp生成的.exe跑demo时，首先得下好下面的文件：
bvlc_reference_caffenet.caffemodel
imagenet_mean.binaryproto和synset_words.txt
上面三个文件我都将它们放在了.\models\bvlc_reference_caffenet文件夹中，所以最后在cmd中的命令句是

.bin\caffe.exe 
.\models\bvlc_reference_caffenet\deploy.prototxt
.\models\bvlc_reference_caffenet\bvlc_reference_caffenet.caffemodel
.\models\bvlc_reference_caffenet\imagenet_mean.binaryproto
.\models\bvlc_reference_caffenet\synset_words.txt
.\examples\images\cat.jpg
//后面5个均为caffe.exe的参数

如此完成了该classification的demo。