官方Caffe-windows 配置与示例运行

本文主要介绍官方给出的caffe-windows的配置及如何训练mnist数据集，介绍的比较基础，大神请绕道

1、环境：windows 10\CUDA7.5\cuDNN\VS2013

2、GPU计算环境准备（没有GPU的同学可以跳过此步）

（1）首先下载并安装CUDA7.5，下载界面如图1：

图 1：CUDA7.5的下载界面

（2）下载cuDNN，注意要下载cuDNN v4版本，下载界面如图2：

图 2：cuDNN的下载界面

官网下载cuDNN需要先注册，而且要填一些调查表，也可以在我上传的资源中下载。下载后解压会有三个文件夹bin、include、lib。将这三个文件夹复制到cuda的安装目录中：\NVIDIA GPU ComputingToolkit\CUDA\v7.5。（cuda的安装目录中也有这三个文件夹，将这三个文件夹分别与原来存在的文件夹合并，如3图所示）。

图 3：CUDA 7.5 安装的根目录

3、caffe-windows准备

(1)下载官方caffe-windows并解压，将 .\windows\CommonSettings.props.example备份，并改名为CommonSettings.props。如图4所示：

图 4：修改后的CommonSettings.props文件

(2)关于CommonSettings.props文件的一点说明。

    
    
        $(SolutionDir)..\Build
        
        false
        true
        7.5
        
        false
	
        false
        

        
        compute_35,sm_35;compute_52,sm_52

        
        
        $(SolutionDir)\scripts
    
    
        cublas.lib;cuda.lib;curand.lib;cudart.lib
    

    
        cudnn.lib;$(CudaDependencies)
    
    
        $(CuDnnPath)\cuda\lib\x64;$(LibraryPath)
        $(CuDnnPath)\cuda\include;$(IncludePath)
    

    
        $(BuildDir)\$(Platform)\$(Configuration)\
        $(BuildDir)\Int\$(ProjectName)\$(Platform)\$(Configuration)\
    
    
        $(OutDir);$(CUDA_PATH)\lib\$(Platform);$(LibraryPath)
        $(SolutionDir)..\include;$(SolutionDir)..\include\caffe\proto;$(CUDA_PATH)\include;$(IncludePath)
    
    
        C:\Miniconda2\
        $(PythonDir)\libs;$(LibraryPath)
        $(PythonDir)\include;$(IncludePath)
    
    
        C:\Program Files\MATLAB\R2014b
        $(MatlabDir)\extern\lib\win64\microsoft;$(LibraryPath)
        $(MatlabDir)\extern\include;$(IncludePath)
    
    
        
            CPU_ONLY;%(PreprocessorDefinitions)
        
    
    
        
            USE_CUDNN;%(PreprocessorDefinitions)
        
        
            USE_CUDNN
        
    
    
        
            WITH_PYTHON_LAYER;BOOST_PYTHON_STATIC_LIB;%(PreprocessorDefinitions)
        
    
    
        
            MATLAB_MEX_FILE;%(PreprocessorDefinitions)
        
    
    
        
            false
            true
            _SCL_SECURE_NO_WARNINGS;USE_OPENCV;USE_LEVELDB;USE_LMDB;%(PreprocessorDefinitions)
            true
        
    
    
        
            Full
            NDEBUG;%(PreprocessorDefinitions)
            MultiThreadedDLL
            true
        
        
            true
            true
            UseLinkTimeCodeGeneration
            true
        
    
    
        
            Disabled
            _DEBUG;%(PreprocessorDefinitions)
            MultiThreadedDebugDLL
        
        
            true
        
    

4、编译caffe-windows

编译用vs2013打开.\windows\Caffe.sln 并将解决方案的配置改为release，点菜单栏上的“生成->生成解决方案”，会将整个项目全部生成，这个时间会比较长（由于官方caffe-windows 的版本使用了NuGet管理第三方开发包，所以需要在vs2013上安装NuGet，官方网站下载速度比较慢，可以在我的资源里下载）。生成成功之后的文件都在.\Build\x64\Release中。

PS：生成时可能遇到的错误：errorC2220: 警告被视为错误 - 没有生成“object”文件 (..\..\src\caffe\util\math_functions.cpp)。这个错误可参考Sunshine_in_Moon 的解决方案。

5、测试

1）下载MNIST数据集，MNIST数据集包含四个文件，如表1所示：

表1：MNIST数据集及其文件解释

文件	内容
train-images-idx3-ubyte.gz	训练集图片 - 55000 张 训练图片, 5000 张 验证图片
train-labels-idx1-ubyte.gz	训练集图片对应的数字标签
t10k-images-idx3-ubyte.gz	测试集图片 - 10000 张 图片
t10k-labels-idx1-ubyte.gz	测试集图片对应的数字标签

下载完后解压得到对应的四个文件，这四个文件不能直接用于caffe的训练和测试。需要利用第4步生成的convert_mnist_data.exe把四个文件转换为caffe所支持的leveldb或lmdb文件。

2）转换 训练\测试数据

a)  中的四个文件放到 . \examples\mnist\mnist_data文件夹下。

b)  在caffe-windows安装的根目录下，新建一个convert-mnist-data-train.bat文件转换为训练数据，并在文件中添加代码:

Build\x64\Release\convert_mnist_data.exe --backend=lmdbexamples\mnist\mnist_data\train-images.idx3-ubyteexamples\mnist\mnist_data\train-labels.idx1-ubyte examples\mnist\mnist_data\mnist_train_lmdb
pause

其中--backend=lmdb 表示转换为lmdb格式，若要转换为leveldb将其改写为--backend=leveldb 即可。

再新建一个convert-mnist-data-test.bat转换测试数据，代码为：

Build\x64\Release\convert_mnist_data.exe --backend=lmdb examples\mnist\mnist_data\t10k-images.idx3-ubyte examples\mnist\mnist_data\t10k-labels.idx1-ubyte examples\mnist\mnist_data\mnist_test_lmdb
Pause

Ps：（1）convert_mnist_data.exe的命令格式为：

convert_mnist_data [FLAGS] input_image_file input_label_file output_db_file

[FLAGS]：转换的文件格式可取leveldb或lmdb，示例：--backend=leveldb

Input_image_file:输入的图片文件，示例：train-images.idx3-ubyte

input_label_file：输入的图片标签文件，示例：train-labels.idx1-ubyte

output：保存输出文件的文件夹，示例：mnist_train_lmdb

（2）如果感觉很麻烦，也可以直接下载我转换好的MNIST文件（leveldb和lmdb）。

3）运行测试

（1）将第2）步中转换好的训练\测试数据集（mnist_train_lmdb\ mnist_train_lmdb或mnist_train_leveldb\mnist_train_leveldb）文件夹放在.\examples\mnist中。

（2）在caffe-windows根目录下新建一个run.bat，文件中代码：

Build\x64\Release\caffe.exe  train --solver=examples/mnist/lenet_solver.prototxt
pause

保存并双击运行，如果运行成功，说明caffe配置成功了。

注意：使用leveldb或lmdb格式的数据时，需要将lenet_train_test.prototxt 文件里面的data_param-> source和data_param-> backend相对应，如图5红框所标注处。

图 5：lenet_train_test.prototxt文件中需要注意与训练\测试数据对应的部分

4）训练自己的数据

这部分可以参考下面的几个博客：

1.在caffe上跑自己的数据

2.windows下caffe训练自己的数据

References

BVLC/caffe

从零到一：caffe-windows(CPU)配置与利用mnist数据集训练第一个caffemodel

Windows+VS2013爆详细Caffe编译安装教程

【caffe-Windows】caffe+VS2013+Windows无GPU快速配置教程