关闭

[置顶] 【caffe-Windows】caffe+VS2013+Windows+GPU配置+cifar使用

标签: caffe深度学习
14885人阅读 评论(36) 收藏 举报
分类:

前言

国际惯例,先来波地址:

CUDA WIN7:链接:http://pan.baidu.com/s/1nvyA3Qp 密码:h0f3   官方网址:https://developer.nvidia.com/cuda-toolkit

CUDA WIN10:链接:http://pan.baidu.com/s/1eRDJYmA 密码:1m4e

此处可以下载各种cuda版本:https://developer.nvidia.com/cuda-toolkit-archive

cudnn:链接:http://pan.baidu.com/s/1hr3Ug76 密码:vmdq  官方网址:https://developer.nvidia.com/cudnn     【可下载V5.0版本】

【更新日志2017-8-9】

偶然间发现了一条重要信息,caffe的微软分支竟然明确标出了支持cudnn v4.0和v5.0,而且BVLC的分支也明确标出只支持cudnn v3.0和cudnn4.0,原来一直忽视掉了这条信息,尴尬,还自己踩进了用cudnn v5.0编译BVLC -caffe分支的坑。特在此提示大家,目前微软的caffe支持cuda8.0+cudnn v5.0的编译,而这两个依赖都是目前NVIDIA官方网站推荐的,编译的时候只需要把CommonSettings.props的cuda版本改成<CudaVersion>8.0</CudaVersion>即可。

第一步:

为了方便,直接拷贝一个无GPU版本的caffe,根据情况修改一下名字,一般来说路径最好不要带中文,避免不必要麻烦,此处命名为CaffeDev-GPU文件夹。

安装CUDA(一直下一步就行了),然后解压cudnn

第二步:

修改配置文件路径E:\CaffeDev-GPU\caffe-master\windows下的CommonSettings.props,此处可对比无GPU版本。将GPU版本的配置文件修改如下:


更新日志2017-11-1

如果你没有cudnn或者当前的CUDA版本仅支持CUDNNv5,而caffe版本仅支持CUDNNv3和v4,那么上面的UseCuDNN也可以设置成false, 也就是说类似于这样

<CpuOnlyBuild>false</CpuOnlyBuild>
<UseCuDNN>false</UseCuDNN>
<CudaVersion>8.0</CudaVersion>

第三步:

修改系统环境变量,为了不出现什么麻烦,将解压的D:\caffe tool\cudnn-7.0-win-x64-v4.0-prod\cuda中的bin、include、lib三个文件夹拷贝到环境变量中CUDA_PATH显示的路径中的文件夹去去,直接覆盖,需要替换的替换~~~【此处非加环境变量哦,因为拷贝过去以后就已经存在环境变量中了】

然后在系统变量中添加变量名为:CuDnnPath 变量值为:D:\caffe tool\cudnn-7.0-win-x64-v4.0-prod的路径,此处的路径是你解压的cudnn地方,读者根据自己电脑做修改。接下来和CPU版本一样,运行caffe.sln,分别用debug和release都生成一遍。


第四步:

其实差不多完了,这里简要说一下:按照前面无GPU版本,建立input_folder,与它并列建立两个bat文件,内容如下:

convert.bat

convert_cifar_data.exe  input_folder output_folders leveldb
pause

mean.bat

compute_image_mean.exe output_folders/cifar10_train_leveldb mean.binaryproto


pause

运行之

第五步:

将output_folders内的两个文件和mean.binaryproto拷贝到E:\CaffeDev-GPU\caffe-master\examples\cifar10下,并且修改cifar10_quick_solver.prototxt最后一句的CPU为GPU

在E:\CaffeDev-GPU\caffe-master下建立一个bat文件:

train.bat

.\Build\x64\Release\caffe.exe train --solver=examples/cifar10/cifar10_quick_solver.prototxt
pause
同样运行之

不得不说,这速度,呼呼地~~~~比用CPU训练四个小时快不知道多少倍

第六步:

在E:\CaffeDev-GPU\caffe-master\Build\x64\Release下建立一个bat:

classification.bat

classification.exe E:\CaffeDev-GPU\caffe-master\examples\cifar10\cifar10_quick.prototxt E:\CaffeDev-GPU\caffe-master\examples\cifar10\cifar10_quick_iter_4000.caffemodel.h5 E:\CaffeDev-GPU\caffe-master\examples\cifar10\mean.binaryproto E:\CaffeDev-GPU\caffe-master\examples\cifar10\synset_words.txt E:\CaffeDev-GPU\caffe-master\examples\cifar10\dog.jpg
pause

【此处的dog跟前面的无GPU版本一样,读者可以去网上随便下载】

dog.jpg


cat.jpg


运行此bat以后:


可以发现,和上次无GPU版本的结果貌似有点不一样吧~~~但是快哭了可怜滴狗狗依旧没摆脱被识别为猫的命运

6
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:531181次
    • 积分:5904
    • 等级:
    • 排名:第4894名
    • 原创:91篇
    • 转载:23篇
    • 译文:26篇
    • 评论:1082条
    兴趣方向
    运动捕捉研究者, 主要倾向于3D骨骼数据处理(识别, 风格化, 运动控制等)的研究,准备转型探索pose estimation相关知识, 大体技术还是使用深度学习, 技术以RBM为主,CNN和RNN为辅,欢迎相关人士私信讨论.

    闲暇之余会在个人github中fork和微博分享一些与Motion Capture和 Deep Learning相关新技术 ~欢迎大家访问交流.

    邮件:zb1165048017 at gmail dot com(防垃圾邮件,可自行转成正常邮箱)

    最新评论