在VS2013下编译caffe-windows,并加载已经训练好的caffemodel做图像分类

本人是深度学习小白，最近在做windows下的caffe图像分类，虽然网上也有许多相关的资料，但是对于小白来说，仍然遇到了许多波折，费了很大功夫终于调通，简直开心到飞起。所以在这里总结回顾这两三周的工作，记录一下详细过程和遇到的问题，同时也为了可以让和我一样的小白少走一些弯路。废话不说了，下面开始正题。
主要参考链接：
http://blog.csdn.net/shakevincent/article/details/52995253
1.下载caffe-windows安装包
微软提供了windows下的caffe开发包，链接地址为：https://github.com/happynear/caffe-windows
此版本需要在VS2013下编译，所以没有VS2013的需要先安装软件，安装过程和安装包网上有很多，都可以参考。不过，在windows环境下装VS2013容易出现安装失败，可能是电脑配置的原因，本人在台式机上装了两天没有成功，换了笔记本却一次成功（两个都是win7 X64系统）。
其他的库文件暂时都不用安装，因为后面编译过程中会自动生成第三方库文件。
2.编译过程
2.1 修改配置文件
将caffe-master\windows\下的CommonSettings.props.example文件复制一份，改名为CommonSettings.props。打开该文件，按照自己的需求进行修改。主要有两个部分，是否需要（true/false）,若为true，修改下面的对应路径。
因为我用的是笔记本，所以选择不支持GPU，那么CpuOnly就要选择true，是否支持Python和matlab可以根据个人需求选择，我这里选择了true，但是后面并没有用到。若选择true，就要在计算机上安装这两个软件。


2.2编译生成第三方库文件
修改完配置文件，保存CommonSettings.props。用Visual Studio 2013打开caffe-master\windows\Caffe.sln,会看到有很多子工程。右击libcaffe，选择->重新生成，会出现一个进度条，第三库就自动下载了，这个过程大概需要持续等待十几分钟。
在生成第三方库文件的过程中，会出现许多问题，不过大都可以在网上找到解决方案，相关参考链接如下：
http://blog.csdn.net/wishchin/article/details/45339753
http://www.mamicode.com/info-detail-1524110.html
总结一下自己编译过程中大概遇到的错误：
1>.common.cpp中的getpid()报错
解决办法：在common.cpp中加头文件
#include
然后将getpid()改成_getpid()即可。
2>.unit.cpp中的open()/close()报错
解决办法：在unit.cpp头文件的位置加

#if defined(_MSC_VER)
#include
#endif

3>.db_lmdb.cpp中的mkdir()报错
解决办法：加判断语句

#ifdef _MSC_VER
CHECK_EQ(mkdir(source.c_str(), 0744), 0) << "mkdir " << source << " failed";
#endif

4>.signal_handler.cpp出现SA_RESTART不是属性等问题
解决办法：重新下载caffe-windows-master中的signal_handler.cpp文件，进行复制替换就可以了。
5>.xx.cpp没有生成“object”文件
解决办法： VS->项目->属性->配置属性->C/C++->常规->将警告视为错误->改为“否”，然后点击cpp文件，在VS2013里面重新保存即可。
生成的第三方库文件如下所示：


2.3编译caffe
右击子工程caffe，选择->重新生成，编译生成相关的dll文件，最好是debug和release版本的都编译一下，后面都可能会用到。
编译过程中可能会出现以下问题：
1>.无法打开python27.lib,是因为前面配置环境的时候我的Python选择为true，在项目属性->配置属性->VC++目录->中添加Python27的包含目录和库目录。
2>.出现错误 error LNK2019: 无法解析的外部符号 “_declspec(dllimport) void __cdecl google::InstallFailureSignalHandler(void)” (__imp?InstallFailureSignalHandler@google@@YAXXZ)，该符号在函数 “void __cdecl caffe::GlobalInit(int ,char * *)” (?GlobalInit@caffe@@YAXPEAHPEAPEAPEAD@Z) 中被引用 D:\caffe-master\caffe\caffe\common.obj caffe
解决办法：网上看了好多资料，本人觉得有两个比较靠谱。出现这个问题的原因是caffe-windows下的golg库中没有InstallFailureSignalHandler（）这个函数。所以一种是直接屏蔽初始化common.cpp中的这个函数，如下图：

第二种是添加判断语句

#if !defined(_MSC_VER)
::google::InstallFailureSignalHandler();
#endif

两种办法都试了一下，第一个方法简单粗暴，成功解决问题；第二个并没有解决bug。
2.4编译classification
2.4.1 这一步有很多人是自己新建工程，然后把caffe-master\examples\cpp_classification中的classification.cpp拷贝到自己的工程中进行编译，这要配置之前生成的第三方库文件路径和相关的caffe的lib库文件，具体可参考链接
http://blog.csdn.net/xjz18298268521/article/details/61921357
在编译前可以先参考链接
http://blog.csdn.net/auto1993/article/details/70198435
测试一下自己的caffe环境是否配置好了，确定可用。
在这一过程中可能遇到的问题：
1>Release环境下编译，出现#include 等C的头文件无法识别的问题
解决办法：将配置属性中的“C++目录”和“链接器->输入”里底下的“从父级或者项目默认设置”选项打勾。
2>运行程序，出现“CL.exe”已退出问题
解决办法：可能是杀毒软件造成的。将电脑里面安装的百度杀毒，360杀毒等卸载就可以了。我的是将360安全卫士卸载后好了。
3>检测到“_ITERATOR_DEBUG_LEVEL”的不匹配项，值“0”不匹配
解决办法：原因是在链接器中输入库文件时，在Debug下使用了Release的库文件或者在Release下使用了Debug的库文件，仔细检查核对，大多数Debug下的lib库文件后面都是有d的，而Release版本没有，例如opencv的lib库。
2.4.2 第二种就是我在最开始给的主要参考链接中的方法，直接在caffe-windows工程中编译classification子工程。首先编译生成，过程中可能出现以下问题：
1>无法打开文件“libcaffe.lib”
解决办法：重新编译生成libcaffe子工程
2>无法打开”libflags-debug.dll”
解决办法：重新编译生成caffe子工程
2.4.3 调用已经训练好的caffemodel

int main(int argc, char** argv) {
    string model_file("../model/deploy.prototxt");
    string trained_file("../model/type.caffemodel");
    string mean_file("../model/type_mean.binaryproto");
    string label_file("../model/labels.txt");
    string picture_path("../model/type");

    Classifier classifier(model_file, trained_file, mean_file, label_file);
    vector<string> files;
    getFiles(picture_path, files);


    for (int i = 0; i < files.size(); i++)
    {
        clock_t start, finish;
        double   duration;
        start = clock();
        cv::Mat img = cv::imread(files[i], -1);
        cv::Mat img2;

        std::vector predictions = classifier.Classify(img);
        //Prediction p = predictions[i];

        IplImage* show;
        CvSize sz;
        sz.width = img.cols;
        sz.height = img.rows;
        float scal = 0;
        scal = sz.width > sz.height ? (300.0 / (float)sz.height) : (300.0 / (float)sz.width);
        sz.width *= scal;
        sz.height *= scal;
        resize(img, img2, sz, 0, 0, CV_INTER_LINEAR);
        show = cvCreateImage(sz, IPL_DEPTH_8U, 3);
        cvCopy(&(IplImage)img2, show);
        CvFont font;
        cvInitFont(&font, CV_FONT_HERSHEY_COMPLEX, 0.5, 0.5, 0, 1, 8);  //初始化字体  
        //cvPutText(show, text.c_str(), cvPoint(10, 30), &font, cvScalar(0, 0, 255, NULL));
        string name_text;
        name_text = files[i].substr(files[i].find_last_of("\\") + 1);
        name_text = "Test picture ID::"+ name_text;
        cvPutText(show, name_text.c_str(), cvPoint(10, 130), &font, cvScalar(0, 0, 255, NULL));
        for (size_t i = 0; i < predictions.size(); ++i)
        {
            Prediction p = predictions[i];
            std::cout << std::fixed << std::setprecision(4) << p.second << " - \""
                << p.first << "\"" << std::endl;
            string text = p.first;
            char buff[20];
            _gcvt(p.second, 4, buff);
            text = text + ":" + buff;

            /***************************输出英文标签*****************************************/

            //CvFont font;
            //cvInitFont(&font, CV_FONT_HERSHEY_COMPLEX, 0.5, 0.5, 0, 1, 8);  //初始化字体  
            //cvPutText(show, text.c_str(), cvPoint(10, 30), &font, cvScalar(0, 0, 255, NULL));
            //string name_text;
            cvPutText(show, text.c_str(), cvPoint(10, 30 + i * 20), &font, cvScalar(0, 0, 255, NULL));

            /**********************************************************************************/

            cvNamedWindow("结果");
            cvShowImage("结果", show);
            cvWaitKey(1);

        }
        finish = clock();
        duration = (double)(finish - start) / CLOCKS_PER_SEC;
        printf("Time to do is ::");
        printf("%f seconds\n", duration);
        int c = cvWaitKey();
        cvDestroyWindow("结果");
        cvReleaseImage(&show);
        std::cout << "///" << std::endl;
        if (c == 27)
        {
            return 0;
        }
    }
    return 0;
}

主要参数介绍：
1>string model_file(“../model/deploy.prototxt”)： 是网络结构文件，一定要用测试文件，用训练文件会报错，说没有入参。
2>string trained_file(“../model/type.caffemodel”)：训练好的模型权值文件，这个我用的是自己在linux下训练好的模型文件。
3>string mean_file(“../model/type_mean.binaryproto”)：均值文件，这个真的是困惑了我一段时间，因为我的linux程序里均值是直接给定的三个定值，并没有这个文件，是在不知道它是个什么东西，后来查了很多，程序里是有自己生成的cpp的，接下来会将如何生成均值文件。
4>string label_file(“../model/labels.txt”)：标签文件，标签数目要和你网络里设置的最终输出的类别数一直，否则会出错。
5>string picture_path(“../model/type”)：测试图片的路径，没什么好讲的。

这几个文件在最开始提到的主要参考链接里面有云盘下载地址，可以先下载下来，跑一跑，试试自己的环境是否正确。

在这个过程中，加载均值文件SetMean（），一直报错，困扰了我两天。函数第一句
ReadProtoFromBinaryFileOrDie(mean_file.c_str(), &blob_proto);

一直报错Check failed，但是我的均值文件没有任何问题，不管是自己生成的，还是别人提供的，都报错，应该是均值文件没有加载进来，但是路径又是对的，郁闷，后来一句一句对代码，发现是io.cpp中的ReadProtoFromBinaryFile（）这个函数的一个参数设置不太一样，具体修改如下：

源文件中open的第二个参数O_RDONLY，改为O_RDONLY|O_BINARY就好了，顺利运行出结果。
到这里整个过程基本就结束了，接下篇说说自己生成均值文件的过程。