Win10下配置caffe环境，运行faster-rcnn（GPU版本）

1 环境：win10，vs2013。

2 安装cuda和cudnn，（cuda和cudnn的版本一定要对应，且要与caffe版本对应，比如cuda7.5和cudnn5.1，我们可以在官网下载cuda后，根据版本在官网下载cudnn，因为caffe-master对应的事cudnnv4-v5的才行，所以不能下载9.0的）。

3 安装opencv（即使不安装，caffe项目在编译后，也生成了一些opencv库，但在运行faster-rcnn时不一定够用，我们最好选择安装）。我的安装路径是D:\opencv2.4，那么环境变量配置：系统变量path:

D:\opencv2.4\opencv\build\x64\v12\bin; D:\opencv2.4\opencv\build\x86\v12\bin;

在项目中也要进行相应的VC++1包含目录、2库目录、3链接器输入配置：

1. D:\Caffe\opencv\build\include

D:\Caffe\opencv\build\include\opencv

D:\Caffe\opencv\build\include\opencv2

2.D:\Caffe\opencv\build\x86\vc12\lib（2库目录好像可有可无）

D:\Caffe \opencv\build\x86\vc12\staticlib

3.opencv_calib3d2410.lib;opencv_contrib2410.lib;opencv_core2410.lib;opencv_features2d2410.lib;opencv_flann2410.lib;opencv_gpu2410.lib;opencv_highgui2410.lib;opencv_imgproc2410.lib;opencv_legacy2410.lib;opencv_ml2410.lib;opencv_objdetect2410.lib;opencv_ts2410.lib;opencv_video2410.lib;caffe.lib;libcaffe.lib;cudart.lib;cublas.lib;curand.lib;gflags.lib;libglog.lib;libopenblas.dll.a;libprotobuf.lib;leveldb.lib;lmdb.lib;hdf5.lib;hdf5_hl.lib;%(AdditionalDependencies)

4 安装Anaconda（我们安装对应python2.7的Anaconda版本），安装好以后注意配置环境变量，这个最好在安装的时候直接选择配置（如果不安装，环境配置虽然能编译通过，但程序在运行时会报异常）。环境配置如下：

 

 

成功后在CMD运行：

1 conda install --yes numpy scipy matplotlib scikit-image pip

2 pip install protobuf

5 下载Caffe原始项目。（https://github.com/Microsoft/caffe）

6 将caffe-master/windows/CommonSettings.props.example复制一份叫做caffe-master/windows/CommonSettings.prop。然后打开复制好的文件，根据我们的实际安装情况进行配置，是否使用的GPU，Anaconda的路径等。如下图所示。修改处：1版本号、2cudnn安装路径、3python支持路径（也就是Anaconda的安装路径）红色方框显示可以证明只能用cudnnv4或v5

 

 

 

 

7 打开caffe-master/windows/caffe.sln，项目选择released模式，修改libcaffe的C++常规设置，将警告视为错误选择否，（括号中的在步骤8之后进行：如果需要使用faster-rcnn，直接看下一步faster-rcnn配置的编译步骤，以免重复编译，如不需要，则直接开始生成解决方案，会出现Nuget还原管理界面，结束后会在caffe-master的同级目录下生成一个NugetPackages的目录，装的是各种依赖库。）

 

8 由于faster-rcnn中使用了roi-pooling-layer层，而微软版本编译时并未添加roi_pooling_layer，打开caffe-master\windows下的caffe.sln文件，将我们需要的头文件，cu文件和cpp文件手动加入到libcaffe对应的cu、inlcude、src文件夹的layer层中。添加完成后，编译整个项目。编译成功后，整个caffe就编译完成了。（时间比较长，则直接开始生成解决方案，会出现Nuget还原管理界面，结束后会在caffe-master的同级目录下生成一个NugetPackages的目录，装的是各种依赖库。）

9 新建faster-rcnn项目，在caffe-master/windows/下新建项目。

10 下载整理好的第三方依赖项faster_3rdparty，

链接：http://pan.baidu.com/s/1qYttnsS 密码：d0ud，将其解压到caffe-master/目录下，将faster_3rdparty/bin目录添加到系统环境变量中。

11.然后进行如下配置，下面给出我的配置目录，建立项目时根据自身安装目录，做相应修改，假设D:\Caffe\中安装的caffe-master、opencv修改如下：

c++包含目录：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\include; D:\Caffe\caffe-master\faster_3rdparty\include;D:\Caffe\caffe-master\include;D:\Caffe\opencv\build\include\opencv2;D:\Caffe\opencv\build\include; D:\Caffe \opencv\build\include\opencv;$(IncludePath)

库链接目录：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\lib\x64; D:\Caffe\caffe-master\faster_3rdparty\lib; D:\Caffe\caffe-master\Build\x64\Release; .D:\Caffe\opencv\build\x86\vc12\lib; D:\Caffe\opencv\build\x86\vc12\staticlib;$(LibraryPath)

附加依赖项：opencv_calib3d2410.lib;opencv_contrib2410.lib;opencv_core2410.lib;opencv_features2d2410.lib;opencv_flann2410.lib;opencv_gpu2410.lib;opencv_highgui2410.lib;opencv_imgproc2410.lib;opencv_legacy2410.lib;opencv_ml2410.lib;opencv_objdetect2410.lib;opencv_ts2410.lib;opencv_video2410.lib;caffe.lib;libcaffe.lib;cudart.lib;cublas.lib;curand.lib;gflags.lib;libglog.lib;libopenblas.dll.a;libprotobuf.lib;leveldb.lib;lmdb.lib;hdf5.lib;hdf5_hl.lib;%(AdditionalDependencies)

11 新建项目为启动项目，且只编译该项目，然后运行即可。若是存在处理异常，可以尝试注释掉对应代码。