Win10+VS2015+Anaconda2+64位环境下caffe(CPU版)编译、配置及提取可视化图像特征

一、编译：

1、下载官方BVLC版本的caffe ，下载地址：https://github.com/BVLC/caffe/tree/windows，放在一个目录下解压；

2、安装Anaconda2.7，下载地址：https://repo.anaconda.com/archive/Anaconda2-2019.03-Windows-x86_64.exe，按照多数教程，安装过程中到下图这一步注意勾选下图选择的，在之后记得勾选添加环境变量的选项；

3、下载相应的caffe依赖包，地址https://github.com/willyd/caffe-builder/releases/ ，根据前面的下载这里选择如下：

4、Notepad打开1中解压文件夹caffe-windows\scripts路径下的build_win.cmd，按照下图进行修改，主要是本次编译CPU版caffe；

5、将3中下载的压缩包放置在C:\Users\Administrator\.caffe\dependencies\download路径下，打开cmd，切换到1中解压文件夹caffe-windows\scripts路径下，运行build_win.cmd，提示最终编译结果如下（未截图，采用网上的）：

6、打开caffe-windows\scripts\build生成的Caffe.sln，在debug和release模式下分别对ALL_BUILD和INSTALL进行编译；这里提供VS2015+Win10+Anaconda2编译好的caffe相关文件：

https://download.csdn.net/download/z5122/11231621

以及C:\Users\Administrator\.caffe\dependencies路径下libraries_v140_x64_py27_1.1.0文件夹中后面配置需要的相关文件：

https://download.csdn.net/download/z5122/11231630

二、配置

以Release X64模式配置为例，如下：

所有需要的头文件、静态库文件在编译第6步的两个下载链接中下载到，路径根据下载位置进行调整

添加的库如下：

opencv_core310.lib
opencv_highgui310.lib
opencv_imgproc310.lib
opencv_imgcodecs310.lib
caffe.lib
caffeproto.lib
caffehdf5.lib
caffehdf5_hl.lib
gflags.lib
glog.lib
leveldb.lib
libprotobuf.lib
libopenblas.dll.a
lmdb.lib
boost_python-vc140-mt-1_61.lib
boost_thread-vc140-mt-1_61.lib
cublas.lib
cuda.lib
cudart.lib
curand.lib
cudnn.lib

三、加载预训练模型（以Alexnet为例），提取输入图像的对应层上的特征

代码参考：https://blog.csdn.net/seu_nuaa_zc/article/details/80549540

几个需要的文件：

包括：（1）bvlc_alexnet.caffemodel（预训练好的alexnet网络参数文件）http://dl.caffe.berkeleyvision.org/bvlc_alexnet.caffemodel

（2）deploy.prototxt（alexnet网络模型）

（3）imagenet_mean.binaryproto（均值文件，可自己生成，将在另一篇博客中介绍过程，这里提供imagenet数据集的均值文件）（2和3下载链接：对2的文件输入层进行了微调，均值文件包括两个，一个自己数据集生成的，一个imagenet数据集生成的：https://github.com/nxyzgf/alexnet_deploy.prototxt

测试的图像为：

运行程序，可以看出alexnet模型的整体结构如下：

运行过程中以打印出Conv5的卷积核为例如下：

经过Conv5后原始图像的响应图像如下：

输出全连接层8的结果，可以看出正好是1000*1维：