Caffe基础（一）-win10 vs2015 显卡compute capability7.5 Python3.5.2环境下编译配置caffe

之前的一篇的博客 windows下vs2013配置caffe及基本使用（一）也提到caffe的配置，但使用的是微软的Windows版本caffe配置的，其自带了一个VS的Solution项目，这个版本同样支持基于CPU和CUDA的算法实现，如何配置参见我之前的博客。

下面介绍源码编译 官方版本：伯克利BVLC(Berkeley Vision And Learning Center) 版 ，生成solution项目，python、matlab的接口

我的配置环境：

1. VS2015

2.安装Anaconda3

3.安装cuda_10.0.130_win10_network.exe（也可以选择local版）

4.配置cudnn-10.0-windows10-x64-v7.5.0.56.zip

cuda和cudnn的安装及配置不再介绍，不熟悉的可以参见我之前的博客

5.BVLC的caffe-windows版本

6.Cmake3.15.3

7.matlab2017b

 

官网上也给出了配置要求：

但我的电脑的compute capability是7.5（GTX 1660ti notebook），Cuda8.0最大只能支持cumpute capability6.2的显卡。如果显卡计算能力低于此，可以按照默认配置来编译，网上有很多参考的博客供参考。我这里介绍的是计算能力大于7.5时的配置方法。

显卡的计算能力可以通过运行程序查询，cuda安装默认安装完毕后，管理员方式打开C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0下的工程，编译1_Utilities下的deviceQuery工程，并运行，可看到自己电脑的计算力。

每版cuda所支持的计算力可参见英伟达官网查询https://docs.nvidia.com/cuda/turing-compatibility-guide/index.html

                                

1.在下载后的文件中新建build文件夹

2.主目录中scripts文件夹下有build_win.cmd文件，生成solution就是通过运行此命令行获得，运行过程中，会下载一个额外的库文件压缩包。但是在没有VPN的情况下，下载是很缓慢的，所以这里可以事先下载好该文件。主目录中scripts文件夹下有download_prebuilt_dependencies.py文件，打开此文件可以找到其下载的地址，根据需求我选择红圈内的链接

同时也贴上我下载好的文件

5.把该文件放入到到路径下即可：（涂红部分是你自己的电脑用户名）

6.如下是需要更改的文件

 

（1）更改主目录下scripts文件夹中build_win.cmd文件，由于不支持APPVEYOR，更改else下的部分，部分如下：

重点注意的是MSV_VERSION版本，我用的是VS2015,如果是vs2017的，还会再麻烦些，具体需要的朋友可以搜其它csdn的博客。CPU_ONLY=0，因为我希望支持GPU加速，BUILD_MATLAB=1，BUILD_PYTHON=1,同时支持MATLAB和python接口，因为我希望能编译出caffe 的python接口去做后续的开发，有些matlab的好例子也就能跑跑了

           

该文件还需要修改一处

                          

上传下我配置的该文件

（2）打开主目录下cmake文件夹中的cuda.cmake，set一栏会发现和你的不一样，按如下设置即可

       

    该文件还有一处需要修改

      

上传下我的配置文件

（3）打开主目录下include\caffe\util中的cudnn.hpp

                 

上传下我的配置文件

（4）还有一个nvcc.hpp文件，该文件所在前面所下载的依赖库目录下C:\Users\你的电脑名字\.caffe\dependencies\libraries_v140_x64_py35_1.1.0\libraries\include\boost-1_61\boost\config\compiler,注释掉圈内语句

上传下我的配置文件 

开始执行主目录下scripts文件夹下的build_win.cmd进行编译，这边需要等待较长时间。

执行完毕后在scripts文件夹下的build文件夹中即可以看到生成及编译好的caffe工程

                      

接下来可以用caffe来做一些事情了，可参见我的博客：caffe使用命令行方式训练预测mnist、cifar10及自己的数据集