【caffe-Windows】caffe+VS2013+Windows+GPU配置+cifar使用

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

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

[python]  view plain  copy

 print ?

1. <CpuOnlyBuild>false</CpuOnlyBuild>  
2. <UseCuDNN>false</UseCuDNN>  
3. <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

[html]  view plain  copy

 print ?

1. convert_cifar_data.exe  input_folder output_folders leveldb  
2. pause  

mean.bat

[html]  view plain  copy

 print ?

1. compute_image_mean.exe output_folders/cifar10_train_leveldb mean.binaryproto  
2.   
3.   
4. 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

[html]  view plain  copy

 print ?

1. .\Build\x64\Release\caffe.exe train --solver=examples/cifar10/cifar10_quick_solver.prototxt  
2. 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

[html]  view plain  copy

 print ?

1. 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  
2. 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~~~但是可怜滴狗狗依旧没摆脱被识别为猫的命运