深度学习之Windows下安装caffe及配置Python和matlab接口

最新推荐文章于 2020-03-31 21:42:41 发布

JasonZhangOO

最新推荐文章于 2020-03-31 21:42:41 发布

阅读量2.6w

点赞数 13

文章标签： caffe gpu 深度学习 python matlab

本文链接：https://blog.csdn.net/jasonzhangoo/article/details/54866120

版权

去年下半年看了相关目标检测的论文，一些传统的算法，一些CVPR,TPAMI,ECCV,ICCV,,NIPS,比较前沿的进展，主要都是基于深度学习卷积神经网络方面的，包括RCNN,SPP-NET,Fast-RCNN,Faster-RCNN,以及YOLO,SSD，然后明天准备正式开始搞学术了，争取早点把论文发出来。

趁着放假回家的时间，做点前期准备工作，深度学习方面的框架有caffe，torch，mxnet，kerse，还有最近比较大热的TensorFlow，感觉tf会持续popular，所以准备搭建一个玩玩，但是相关比较新的目标检测框架都是首先基于caffe开发的，caffe对于图像方面的库比较多，稳定，所以搭建一个caffe也是必不可少，好像tf也是可以调用caffe框架模型的（没用过）。

装双系统之step one：http://blog.csdn.net/jasonzhangoo/article/details/54865974

装显卡驱动之step two（很多同学都是因为这步而放弃深度学习的）：http://blog.csdn.net/jasonzhangoo/article/details/54866049

Ubuntu16.04下安装caffe和TensorFlow的cpu版本之step three：http://blog.csdn.net/jasonzhangoo/article/details/54866074

Win10下安装caffe的GPU版本之step four：http://blog.csdn.net/jasonzhangoo/article/details/54866120

windows安装配置faster-rcnn之step five：http://blog.csdn.net/jasonzhangoo/article/details/54866174

Win10下安装caffe的GPU版本之step four：

我是在win10+GTX950m+VS2013,matlab接口我是matlab2016a，Python接口我是pycharm5.0.3

1 . 安装 Python 环境

这里我选择的是 Anaconda2

打开 Anaconda2 下载地址，选择Anaconda2-4.1.1-Windows-x86_64.exe

下载完毕后双击运行 Anaconda2-4.1.1-Windows-x86_64.exe

可以选择安装路径

2 . 下载 Caffe

打开 Caffe 下载地址，点击 Clone or download-> Download ZIP

解压缩，打开到 caffe-master/caffe-master/windows 文件夹

复制CommonSettings.props.example 文件，并把复制好的文件重命名为CommonSettings.props

用 VS2013 打开 Caffe.sln 文件，点击右边的 CommonSettings.props，查看你的 cuDNN 支持的版本

3 . 安装 CUDA 和 cuDNN
打开 CUDA 下载地址，拉到下方点击 DOWNLOAD

选择 Windows-x86_64-10-exe，如果你的操作系统是别的版本，请在 Version 里进行选择

下载后点击运行，安装路径请选择默认路径

打开 cuDNN 下载地址，点击 Download，下载前需要先注册

注册完成后，下载 cuDNN v4 或者 cuDNN v5 (这取决于 CommonSettings.props 文件里标注支持的版本，建议选择 cuDNN v4 Library for Windows，虽然是for CUDA7.0)

4 . 编译前准备

打开到 caffe-master/caffe-master/windows 文件夹，用 VS2013 运行 Caffe.sln 文件

这里右边会显示libcaffe (加载失败)，解决的步骤：

1）打开 CUDA 安装路径中的MSbuildExtensions 文件夹，如果你在之前安装时选的是默认路径，那么它应当在 c 盘 / Program File/NVIDIA GPU CpmputingToolkit/CUDA/8.0/extras/visual_studio_integration 里