训练MTCNN之前的环境以及依赖配置

训练MTCNN之前的环境以及依赖配置

个人使用配置：
win 10
Anaconda 4.2.0+python 3.5.5
vs2017
opencv 3.4.6
openblas 0.2.8
CUDA 10.0

1. Anaconda以及VS

这个应该没什么问题，anaconda可以使用清华源安装，vs2017直接去官网下载好了，需要教程的话应该也有很多。

2. opencv以及openblas

opencv网上的教程也很多，openblas的话我偷了个懒，直接下载的别人编译好的包

3. caffe的安装

这是最麻烦的一步了。

首先是要配置CUDA和对应的CUDNN

主要参考https://blog.csdn.net/nk_wavelet/article/details/78935511?utm_source=blogxgwz0
根据显卡类型去官网下载cuda
这里可能有点问题，比如一开始会提示安装失败，有些教程说可以先删掉原来的驱动再重新安装https://blog.csdn.net/xgzxgzxgzxgzxgz/article/details/80634969?utm_medium=distribute.pc_relevant.none-task-blog-baidujs-8&spm=1001.2101.3001.4242
然后去官网下载对应的cudnn，将cudnn压缩包中各个文件夹中的文件

复制到cuda对应的文件夹下，可供参考的cuda路径是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0，lib中的文件注意放入x64文件夹下

caffe的编译

我尝试了三种github上的caffe包，只有最后一种成功了，怕麻烦的朋友直接跳到最后一种方法就好。

• 微软的caffe包

因为可以很方便的自动下载nugetpakeages，一开始选择了微软的caffe包，主要参考https://blog.csdn.net/qq_41895190/article/details/82414695，不过平台工具集我选择的是v141，使用vs2015的v140工具集我会报错The specified task executable "cl.exe" could not be run. 系统找不到指定的文件（这里我也找了很多方法 ，但是都无法解决，所以最后决定用） 。但是又出现了像NuGet Error:Unable to find version '2.4.10' of package 'OpenCV.overlay-x64_v120_Release'.这样的问题，后续还出现了很多其他问题，非常劝退。大概是因为我使用的vs2017和微软推荐的vs2013版本不兼容的问题，使用的平台工具集也不适配。

最后我放弃了。

• 按照官方的caffe包试一试

这里主要参考https://blog.csdn.net/fengtaoO08/article/details/83023428
前面的步骤很简单，按照以上教程来就好。在python2.7的虚拟环境下安装pycaffe依赖包的时候，我又遇到了问题，下载很慢然后会提示readtime out，可以使用--default-time = 1000 来解决，比如

pip --default-time = 1000 install numpy

用这种方法不会加快安装的速度。想要速度快的话可以改换国内的清华源，但也可能会因为readout time问题而报错。用python3.5环境安装的时候也会很慢。接下来我也由于自动生成的库不适用于vs2017，产生很多错误，最后也放弃了。

• happynear的caffe包

去https://github.com/happynear/caffe-windows上下载，再参考一下 README.md 上的内容，解压出第三方包并添加至环境变量，修改.\windows\CommonSettings.props.example为CommonSettings.props，然后改一下其中的cuda以及cudnn版本和位置，pythonsupport设为true，还有对应的python的位置。

然后打开 caffe.sln 开始编译libcaffe，可能会出现VS_error MSB3073: :VCEnd”已退出，代码为 1的报错，可以将libcaffe属性中生成事件里后期生成事件下在生成中使用设为否。
接下来就是编译caffe，由于我的vs2015工具集有问题，所以我又都换成v141工具集了，另外它好像同时需要python3.5和3.6。我用anaconda搭建3.6的环境后，搭建了python3.5的虚拟环境，出现现找不到libboost_thread-vc141-mt-gd-1_65_1.lib确实可以通过重命名文件的方法解决，可以参考https://blog.csdn.net/ckkk1993/article/details/84877576。
基本上成功了一大半了。

测试caffe是否编译成功

使用minst数据集
主要参考https://blog.csdn.net/qq_14845119/article/details/52415090#
编译caffe项目中的convert_mnist_data，需要通过这一步来生成转换minst数据集为测试所要求的lmdb数据。
在我运行bat脚本的时候报错找不到cudart64_90.dll，原来是我和happynear老师的cuda版本不一样造成的（参考https://blog.csdn.net/tudou880306/article/details/87693338）下载nccl工程自己编译，修改.\windows\nccl.vcxproj中的75行和188行处的cuda版号以及平台工具集，

将v140改为v141。然后编译生成nccl.dll和nccl.lib ,替换掉thirdparty\bins和thirdparty\NCCL的所有nccl.dll和nccl.lib。caffe\examples\mnist\lenet_solver.prototxt中保持GPU模式，caffe\examples\mnist\lenet_train_test.prototxt按照参考修改source：后面的内容
下载完minst数据集后解压文件的时候要保证minst数据文件名字和位置和examples里的create_minst.sh一致，写create_minst.bat的时候也要注意路径的问题。双击train_minst.bat运行得到训练的准确率和损失值即成功。

pycaffe的安装

回到caffe.sln编译其中的pycaffe，将Build\x64\Release\pycaffe目录下的caffe复制到python3.5\Lib\site-packages下，然后在python3.5中运行import caffe命令。可能会报错找不到google包，去 https://github.com/google/protobuf 下载protobuf，然后去 https://github.com/google/protobuf/releases 下载win64版本，解压两个包，将protobuf-xxx-win64.zip\bin里protoc.exe文件复制到protobuf-master\src文件夹下，参考 https://www.iteye.com/blog/sharley-2375044 安装，再在命令行窗口中输入import caffe应该就没有问题了。