caffe-windows + CUDA + cudnn +PyCaffe + MatCaffe配置

caffe-windows使用happynear提供的，好处是设置好了依赖库，不需要自己再进行设置，可以省很多麻烦事。GitHub地址：https://github.com/happynear/caffe-windows/tree/ms

配置时使用的环境：

1、windows 10

2、CUDA 10.1 + cudnn for CUDA 10.1

3、Visual Studio 2015 + Python 3.6 + Matlab 2016b

配置过程：

1、安装 CUDA 和 cudnn

这里只叙述大概过程，下载 CUDA 10.1，下载完成后，得到一个.exe文件，然后运行它，选择一个存放提取文件的位置，进入图形安装界面，我选择了精简，于是一路就 next 下去，最后 CUDA 安装在了：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1 。安装结束后在系统变量内多了：

下载 cudnn v7.5 for CUDA 10.1，下载后解压，将解压后的 bin、include、lib 拷贝到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1 下面，然后将 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64（这个也是cudnn的路径，后面会用上） 添加到 系统变量 ——> 变量 Path 下。

cmd 后输入 nvcc -V 可以显示 CUDA 的相关信息。

2、下载 caffe-windows，将caffe-windows存放的地址表示为[caffe path]。下载第三方依赖，下载好的文件解压到 [caffe path]/windows/thirdparty/ 下，再将 [caffe path]/windows/thirdparty/bins 添加到 环境变量 ——> 系统变量 ——> Path变量

3、在 [caffe path]/windows/ 下，找到 CommonSettings.props.example 这个文件，复制为 CommonSettings.props

4、打开 CommonSettings.props 文件，修改文件内容，原文件内容如下，红色字体是我标注的解读内容，也是需要我们修改的部分。

5、根据自己的需要进行修改：是否使用GPU？是否使用cuDNN？为caffe设置Python接口（PyCaffe）？为caffe设置Matlab接口（MatCaffe）？

不使用GPU，则需要将 CpuOnlyBuild 修改成 true，把 UseCuDnn 修改为 false；

使用GPU，不需要更改，需要设置 CudaVersion 为我们使用的版本，还要添加 cuDNN（上文提到的路径）的路径；

不使用 PyCaffe 或是 MatCaffe，只需将对应的 PythonSupport 或 MATLABSupport 设置为 false 即可；

若选择使用  PyCaffe 或是 MatCaffe，则需要在 PythonDir 或 MatlabDir 处添加 Python 或 Matlab 的路径。

6、我的需求：caffe-windows + GPU + CUDA 10.1 + cuDNN + PyCaffe + MatCaffe，根据我的需求，修改后的 CommonSettings.props 文件如下：

  
  
    $(SolutionDir)..\Build
    
    false
    true
    true
    false
    
	10.1
    
    true

    
    true
    false
    cufft.lib
    $(SolutionDir)thirdparty\Boost
    $(SolutionDir)thirdparty\Boost\lib64-msvc-14.0
    $(SolutionDir)thirdparty\HDF5
    $(SolutionDir)thirdparty\GFlags
    $(SolutionDir)thirdparty\Glog
    $(SolutionDir)thirdparty\Protobuf
    $(ProtobufRoot)\bin\
    $(SolutionDir)thirdparty\OpenCV
    $(SolutionDir)thirdparty\LMDB
    $(SolutionDir)thirdparty\OpenBLAS
    $(SolutionDir)thirdparty\LEVELDB
    $(SolutionDir)thirdparty\NCCL
    D:\ThirdPartyLibrary\IntelSWTools\compilers_and_libraries_2017.4.210\windows\mkl
    D:\deepLearning\mxnet

    
    compute_52,sm_52;compute_60,sm_60;

    
    
	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
    $(SolutionDir)\scripts
  
  
    cublas.lib;cuda.lib;curand.lib;cudart.lib
  

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

  
    nccl.lib;$(CudaDependencies)
    $(NCCLRoot)\lib;$(LibraryPath)
    $(NCCLRoot)\include;$(IncludePath)
  
  
    $(MKLRoot)\lib\intel64_win;$(LibraryPath)
    $(MKLRoot)\include;$(IncludePath)
    mkl_rt.lib;$(AdditionalDependencies)
  
  
    $(OpenBLASRoot)\lib;$(LibraryPath)
    $(OpenBLASRoot)\include;$(IncludePath)
    libopenblas.dll.a;$(AdditionalDependencies)
  

  
    $(BuildDir)\$(Platform)\$(Configuration)\
    $(BuildDir)\Int\$(ProjectName)\$(Platform)\$(Configuration)\
  
  
    $(OutDir);$(CUDA_PATH)\lib\$(Platform);$(BoostLibraryFolder);$(HDF5Root)\lib;$(GFlagsRoot)\lib;$(GLogRoot)\lib;$(ProtobufRoot)\lib;$(OpenCVRoot)\x64\vc14\lib;$(LMDBRoot)\lib;$(LevelDBRoot)\lib;$(LibraryPath)
    $(SolutionDir)..\include;$(SolutionDir)..\include\caffe\proto;$(CUDA_PATH)\include;$(BoostIncludeFolder);$(HDF5Root)\include;$(GFlagsRoot)\include;$(GLogRoot)\include;$(ProtobufRoot)\include;$(OpenCVRoot)\include;$(LMDBRoot)\include;$(LevelDBRoot)\include;$(IncludePath)
  
  
    E:\IDE\Anaconda3
    $(PythonDir)\libs;$(LibraryPath)
    $(PythonDir)\include;$(IncludePath)
  
  
    E:\IDE\MATLAB\R2016b
    $(MatlabDir)\extern\lib\win64\microsoft;$(LibraryPath)
    $(MatlabDir)\extern\include;$(IncludePath)
  
  
    
      CPU_ONLY;%(PreprocessorDefinitions)
    
  
  
    
      USE_CUDNN;%(PreprocessorDefinitions)
    
    
      USE_CUDNN
    
  
  
    
      USE_NCCL;%(PreprocessorDefinitions)
    
    
      USE_NCCL
    
  
  
    
      USE_MKL;%(PreprocessorDefinitions)
    
    
      USE_MKL
    
  
  
    
      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
      4819;
    
    
      true
      true
      UseLinkTimeCodeGeneration
      true
      leveldb.lib;Advapi32.lib;Shlwapi.lib;lmdb.lib;opencv_world310.lib;libprotobuf.lib;glog.lib;gflags.lib;hdf5_tools.lib;hdf5_hl_fortran.lib;hdf5_fortran.lib;hdf5_hl_f90cstub.lib;hdf5_f90cstub.lib;hdf5_cpp.lib;hdf5_hl_cpp.lib;hdf5_hl.lib;hdf5.lib;zlib.lib;szip.lib;$(AdditionalDependencies)
    
  
  
    
      Disabled
      _DEBUG;%(PreprocessorDefinitions)
      MultiThreadedDebugDLL
      4819;
    
    
      true
      leveldbd.lib;Advapi32.lib;Shlwapi.lib;lmdbd.lib;opencv_world310d.lib;libprotobufd.lib;glogd.lib;gflagsd.lib;hdf5_tools.lib;hdf5_hl_fortran.lib;hdf5_fortran.lib;hdf5_hl_f90cstub.lib;hdf5_f90cstub.lib;hdf5_cpp.lib;hdf5_hl_cpp.lib;hdf5_hl.lib;hdf5.lib;zlib.lib;szip.lib;$(AdditionalDependencies)
    
  

7、完成上述的所有操作以后，我们就可以在 visual studio 2015 中进行编译了。使用 visual studio 2015 打开 [caffe path]/windows/Caffe.sln ，将编译模式设置为： Release + x64。

如果有生成失败的，或是 error C2220: 警告被视为错误 - 没有生成“object”文件，在它的 属性 --> 配置属性 --> C/C++ --> 常规 中，把将警告视为错误改成 否，可以使之生成成功。

如果看到 matlab 运行时需要版本10.x的SDK… 在 matcaffe 的 属性 --> 配置属性 常规 --> 目标平台版本 修改为你有的（看一下其它项目使用的是哪个，修改成一样即可）。

8、编译完成后，会在 [caffe path]\Build\x64\Release\pycaffe\caffe 下看到一个 _caffe.pyd 文件；在 [caffe path]\matlab\+caffe\private 下看到一个 caffe_.mexw64 文件。