深度学习 Win10 64位+VS2013+Caffe GPU+Cuda8.0+cuDnn5.1+MATLAB R2017b初级学习者一把编译过

下载准备工作

=====================================================================
要求电脑有英伟达的显卡，且版本合适。
必备软件和程序的下载，此处分享的均为本人验证过的版本，下载地址为：百度云盘链接 提取码：bvtj
安装和调试顺序依次为
1、VS2013+MATALB2017b(不分先后)
2、Cuda8.0
3、cuDnn
4、Caffe
要求使用者有基本的软件安装能力，安装和激活过程不再赘述，有问题可以留言。

VS2013 安装

安装一直下一步，激活看readme.docx.

MATLAB2017b 安装

安装和激活看MATLAB2017b安装和破解.docx

cuda9.0 下载和安装

一直下一步，无需激活。

CuDnn 下载和安装

下载的为压缩包，解压后将cuda文件夹中的三个文件夹拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0文件夹下，与原有文件夹合并
具体地址可能有差异，由Cuda的安装位置决定。

Caffe 调试

======================================================================
解压后放在某一路径下，本人直接放在D盘。

CommonSetting.props 内容更改

D:\caffe-master\windows下的CommonSettings.props.example去掉.example得到CommonSettings.props，如下图所示。

使用VS2013打开Caffe.sln文件，然后打开CommonSettings.props文件

具体修改内容为
9行 将cuda的版本改为8.0
16行 matlab支持改为true

行53 matlab路径改为自己的安装版本和路径，比如D:\Program Files\MATLAB\R2017b
行55 添加一个matlab的包含目录 $(MatlabDir)\toolbox\distcomp\gpu\extern\include;

否则编译时会出现C1083错误，可参考博文
错误error C1083: 无法打开包括文件: “gpu/mxGPUArray.h”: No such file or directory 链接: link.

libcaffe 属性设置

如果遇到无法加载libcaffe的问题，保存CommonSetting.prop的修改后关闭VS2013再重新打开Caffe.sln文件即可解决。

1、更改调试状态

首先将调试状态由默认的debug改为Release

选中libcaffe，右键最底下属性，打开libcaffe属性页，点击VC++

2、为libcaffe添加包含目录、库目录、linker

依次添加cuda的包含目录和库目录，选中包含目录，最右边出现下拉菜单，点击编辑 添加 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include，同样的方法库目录编辑 添加 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64，然后点击应用，出现CUDA C/C++和CUDA Linker两个配置属性，点击CUDA Linker，在additional dependencies后添加cudnn.lib

切换到 C/C++ 配置属性的设置界面，将将警告是为错误由默认的是改为否，
确认，关闭libcaffe的属性设置页。

3、为libcaffe添加cuda项目属性表

切换到属性管理器，将该目录下C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\visual_studio_integration\MSBuildExtensions项目属性表CUDA 8.0.props添加到工程libcafe中，添加后会比原来多一个CUDA 8.0 (如果没有写访问权，将CUDA 8.0.prop拷贝到libcaffe目录下)

4、更改cudnn.hpp的参数 (Cuda 9.0才需要，8.0不需要，但保留给9.0的用户)

cudnn.hpp的所在位置为D:\caffe-master\include\caffe\util
打开该文件，在第114行找到cudnnSetConvolution2dDescriptor函数，然后在下一行的输入参数中添加一个参数 CUDNN_DATA_FLOAT 或CUDNN_DATA_DOUBLE，保存。

否则会在仅编译生成 libcaffe 时会报错 error: too few arguments in function call，进而导致后面诸多错误。

5、重新生成libcaffe

应该没有问题的。

caffe编译

选中caffe，右键将caffe设为启动项目，右键设置caffe的 C/C++ 配置属性的设置界面，将将警告是为错误由默认的是改为否，重新生成解决方案。

至此整个环境配置完成。按照以上步骤，基本不会出现问题。
关于matcaffe的使用，请参考其他文章

版权声明

本博客内容仅供交流学习，请勿用于商业目的，对所有商业和非商业软件不负任何版权责任。本博客参考了其他博客的内容，在此不再一一列出，但深表感谢。

如有问题，请留言交流讨论