【无GPU】windows10+VS2013+caffe安装【python接口】

前言(废话可以跳过)

      简单叙述一下艰苦过程,本人原来不知道自己的电脑是A卡,所以下了半天cuda才知道自己并不能装上,绝望(╯﹏╰)。于是查了教程只能用CPU only的模式做机器学习(即无GPU)什么是A卡什么是N卡看下图




   右击 我的电脑---属性----设备管理器即可查看,N卡就是N开头的。
   同时,我装的VS2010,看了网上的教程都是VS2013,就卸了重装。然后要装Anaconda2,就干脆卸了python和PTVS。所以自己花了将近一个礼拜捣鼓完全套……身心俱疲,特此写这篇博客,希望后来的人能少走弯路。

【主要参考的博客】

1、【caffe-Windows】caffe+VS2013+Windows无GPU快速配置教程 - 风翼冰舟的博客 - 博客频道 -CSDN.NET 
     http://blog.csdn.Net/zb1165048017/article/details/51355143
2、手把手教~Windows10+Anaconda2(64 bit)+VS2013+无GPU+Caffe配置与遇到的问题及解决
   http://blog.csdn.net/yiyisunshine/article/details/55194465
3、Windows+CPU only+VS2013安装caffe以及配置Python接口
   http://blog.csdn.net/sinat_27403413/article/details/52791489
 

正文

1、安装VS2013

  首先,把VS2010卸了,自己百度一下“怎样彻底把VS2010卸载干净”,这样的问题,卸干净,然后装2013。附上前人留的安装包
 链接:http://pan.baidu.com/s/1b6VDJg密码:f2jp

2、下载Anaconda2(不需要配置python的跳过)

   下载链接:http://pan.baidu.com/s/1nvrrfQx 密码:1jg5
    意“Select Installation Type”这一步,选择All users.,安装结束。
    关于具体的环境配置过程等下载好了caffe再说。
tip:在选择安装目录的时候,会默认装在C盘,如果不想的话也可以改在别的盘,但一旦更改安装位置就会出现directory “D:\*****\*****\**” already exists,please choose a different location,无法进行下一步。解决办法:直接把原来新建的那个叫做Anaconda的文件夹删除,然后再在安装文件夹中输入D:\Anaconda2,就可以了。不明白的可以参考这个帖:http://tieba.baidu.com/p/4104076662

3、下载caffe

 【caffe-Windows】链接:http://pan.baidu.com/s/1bp1BFH1 密码:phf3

  3.1     

   复制Windows下CommonSettings.props.example,后缀改为CommonSettings.props,如下:(偷懒用的别人的图)

3.2    修改复制过来的CommonSettings.props配置文件

    用VS2013打开CommonSettings.props,修改CpuOnlyBuild为true,UseCuDNN改为false。因为要配置Python接口,所以PythonSupport改为true,并将下面的PythonDir修改为自己的Python安装路径,注意Anconda2后面那个斜线不能少。(别人的图)

3.3   配置Anaconda2环境变量(不知道怎么找环境变量在哪里改的自行百度)

方法一:
一是环境变量中新建名为PythonPath,值为  E:\caffe-master\Build\x64\Release\pycaffe,如图示。(这张图是我自己的,我caffe装在了E盘)
方法二:
直接将E:\caffe-master\Build\x64\Release\pycaffe文件夹下的caffe文件夹复制到python的site-packge目录中,如图示。(我Anaconda2装在了D盘)

3.4   caffe.sln的编译

双击Windows下的caffe.sln,在VS2013中生成解决方案
右击pycaffe,配置一下相关文件
(上面四张图都是别人的我就不特地截自己的了,大家都差不多)

3.5    生成第三方库

方法一:

直接自己手动下载NugetPackages,放到caffe-master并列的目录下,这个方法真是快糙好猛,但因为文件很大,也要下很久,下完了还得解压。附上下载地址:http://pan.baidu.com/s/1nuIJMp7 密码:1zgo

不得不说这种事情真的要感谢前辈,真的是前人栽树后人乘凉~~

方法二:
   右击解决方案‘caffe’----生成解决方案,然后会很慢很慢,很卡很卡。可能还会无响应。我自己就是先用了方法二结果发现太慢不能忍改用了方法一结果发现时间差不多orz。。。
注意,请使用Release模式,用Debug模式会报错
如果生成成功了,你的caffe-Windows并列文件夹下会有一个第三方库的文件夹NugetPackages

【注】caffe-windows和caffe-master对caffe.cpp编译以后下载的第三方库里面都是十六个子文件夹。数量准确才是下载完成了!!

3.6      生成libcaffe

右击libcaffe——生成

最后,再右击整个的caffe解决方案——生成解决方案(即如上一步3.5中方法二的图片)

然后等很久很久……最后如果没有报错就算是安装完成啦~~

4、测试

4.1    测试caffe

都装完了当然要测试一下下啦(要做好出现N种问题的心理准备T^T)
运行caffe.cpp,直接双击打开caffe.cpp,然后ctrl+f5直接编译,出现如下命令窗口说明编译成功

4.2    测试python接口

在cmd中进入Python,试试能不能导入caffe

正常的是上图,说明你就成功啦!撒花~ヾ(^▽^*)))~~

5、常见问题

5.1    xxx.h头文件找不到,如

Error 'fatal error: pyconfig.h: No such file or directory' when executing 'make pycaffe' on dev-branch #410

说明库里有文件没装好,一般装了Anaconda就不会出现这样的问题啦!


5.2    对整个解决方案右击生成解决方案失败,可以先试试对libcaffe重新生成,再对整个项目生成。


5.3    在cmd中输入import caffe出现:

ImportError: No module named _caffe

说明Anaconda的环境变量配置有问题,请回到我上文写的3.3配置环境变量的部分,把方法一和方法二都做了应该就没问题了。


5.4    在cmd中输入import caffe出现:

ImportError: No module named google.protobuf.internal 

说明需要安装一些东西,那就输入下面三者之一,其中会有一个是适合你的。

C:\windows\system32>conda install protobuf 
C:\windows\system32>pip install protobuf 
C:\windows\system32>esay_install protobuf


5.5   如果你和我一样以上问题解决了,但是最后还是出现了三条警告(如下图),我看大牛的博客说这种情况不用管它,也就是成功了。不放心的话接下来直接找个实例训练一下就知道啦。



结束啦,希望能够帮到大家~


  • 0
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 10
    评论
### 回答1: TensorRT是NVIDIA推出的深度学习推理引擎,可以在GPU上高效地运行深度学习模型。TensorRT支持Windows平台,可以通过以下步骤安装: 1. 安装CUDA和cuDNN:TensorRT需要依赖CUDA和cuDNN,需要先安装它们。可以从NVIDIA官网下载对应版本的CUDA和cuDNN,并按照官方文档进行安装。 2. 下载TensorRT:可以从NVIDIA官网下载对应版本的TensorRT,下载完成后解压到指定目录。 3. 安装TensorRT Python API:TensorRT提供了Python API,可以通过pip安装。打开命令行窗口,输入以下命令: ``` pip install tensorrt ``` 4. 安装TensorRT UFF Parser:如果需要使用UFF格式的模型,需要安装TensorRT UFF Parser。可以通过pip安装。打开命令行窗口,输入以下命令: ``` pip install uff ``` 安装完成后,就可以在Windows平台上使用TensorRT了。 ### 回答2: TensorRT是NVIDIA推出的一个高效的深度神经网络推理引擎,可以大幅提升神经网络在GPU上的运行速度。TensorRT支持多种深度学习框架,如TensorFlow、Caffe和PyTorch等。在本文中,我们将探讨如何在Windows环境中使用Python安装TensorRT。 1. 准备工作 在安装TensorRT之前,需要先安装CUDA和cuDNN。TensorRT依赖于CUDA和cuDNN,并且需要使用与您的GPU型号相对应版本的CUDA和cuDNN。 首先,下载并安装适合您GPU的CUDA软件包。然后,下载cuDNN库并将其解压缩到CUDA的安装目录中。例如,如果您的CUDA安装在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1路径下,那么解压cuDNN库后应该将库文件放在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\路径下。 2. 下载TensorRT 在完成CUDA和cuDNN的安装后,就可以下载TensorRT了。首先,进入NVIDIA官方网站(https://developer.nvidia.com/nvidia-tensorrt-download)下载TensorRT软件包。下载完成后,解压缩到您喜欢的目录中。例如,将TensorRT解压缩到C:\TensorRT路径下。 3. 配置环境变量 接下来,要将TensorRT的路径添加到环境变量中。在Windows环境中,打开“控制面板”->“系统和安全”->“系统”,然后点击“高级系统设置”->“环境变量”按钮。在“系统变量”中,找到“Path”变量并点击“编辑”按钮。在“变量值”框中添加TensorRT的bin和lib路径,例如:C:\TensorRT\bin;C:\TensorRT\lib; 4. 安装Python包 在安装Python之前,需要将Anaconda环境添加到环境变量中。如果您没有安装Anaconda环境,请先下载并安装Anaconda。在Windows环境中,打开“控制面板”->“系统和安全”->“系统”,然后点击“高级系统设置”->“环境变量”按钮。在“用户变量”中,找到“Path”变量并点击“编辑”按钮。在“变量值”框中添加Anaconda的路径,例如:C:\ProgramData\Anaconda3\Scripts;C:\ProgramData\Anaconda3\; 然后,通过pip命令安装TensorRT Python包。在Anaconda命令行窗口中,输入以下命令: pip install tensorrt 5. 测试安装 完成TensorRT Python包的安装后,可以使用Python脚本测试安装是否成功。创建一个新的Python脚本,并将以下代码复制并粘贴: import tensorrt as trt print(trt.__version__) 保存脚本后运行,如果输出正确的TensorRT版本号,则表明安装成功。可以使用TensorRT创建和优化神经网络模型了。 综上所述,TensorRT在Windows环境中的安装步骤如上所述。安装前需要确认CUDA和cuDNN已成功安装安装时需要添加环境变量并使用pip工具安装TensorRT Python包。 ### 回答3: TensorRT是一个可用于高性能深度学习推理的软件库,可以在GPU上进行加速。对于Windows系统和Python用户来说,安装TensorRT相对来说比较简单,但也需要一定的操作步骤,下面将详细介绍如何安装TensorRT。 首先,需要在NVIDIA官网上下载TensorRT的安装程序,这里提供的是TensorRT 5.1.5版本的下载地址:https://developer.nvidia.com/nvidia-tensorrt-5x-download,选择对应的Windows版本,下载后进行安装。 其次,安装完成后需要配置TensorRT环境变量,将TensorRT的bin目录添加到PATH环境变量中,这样就能够在命令行中使用TensorRT相关命令了。同样需要将TensorRT的include和lib目录添加到对应的环境变量中,以便在调用TensorRT库时能够正确编译。 接着,安装TensorRT的Python包,可以通过pip安装,打开命令行直接输入以下指令: ``` pip install tensorrt ``` 安装完成后,调用TensorRT就可以在Python中使用了。此外,还需要安装对应的TensorFlow和Python版本,以及NVIDIA的CUDA和cuDNN软件包,以便与TensorRT一起使用。 最后,验证TensorRT的安装是否成功。在Python中导入TensorRT库,进行简单的模型推理测试。如果能够成功进行推理操作,那么就说明TensorRT的安装已经成功了。 总之,TensorRT在Windows系统下的安装还是比较简单的,只需要按照上述步骤进行操作即可。当然,安装过程中也有可能会遇到一些问题,比如环境变量没有设置正确等,这时就需要仔细查看错误信息进行调整了。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 10
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值