作为一枚对机器学习有基础,但对深度学习一无所知的DL-er。就这样在深度学习的浪潮下,走上了Dl的探索道路。
现在就开启学习记录之旅。。。。
caffe在windows(无GPU)下安装的缘由:
(1)电脑配置太low
(2)从未接触过Linux
(3)Caffe是一个清晰而高效的深度学习框架。Caffe的优势
- 上手快:模型与相应优化都是以文本形式而非代码形式给出。
Caffe给出了模型的定义、最优化设置以及预训练的权重,方便立即上手。 - 速度快:能够运行最棒的模型与海量的数据。
Caffe与cuDNN结合使用,测试AlexNet模型,在K40上处理每张图片只需要1.17ms. - 模块化:方便扩展到新的任务和设置上。
可以使用Caffe提供的各层类型来定义自己的模型。 - 开放性:公开的代码和参考模型用于再现。
- 社区好:可以通过BSD-2参与开发与讨论。
基于以上三点,硬着头皮琢磨caffe在windows下安装:
(1)前期尝试了好多网友的分享,在编译阶段出现各种问题,通过对各种问题的过五关斩六将,将类似于找不到***.h或
者无法解析外部符号问题都解决了,但是在调试阶段,总是不如意;(对于出现一些外部符号无法解析问题,经过观察发
现有的是关于gpu...,因为我想着我又用不了gpu,于是我在程序中将关于gpu相关的函数全部注释掉,对于这系列的问题
可算就这样解决了。当然对于其他常规的无法解析,就是记得添加库目录路径以及附加依赖项还有将bin目录添加环境变量)
(2)最后找到http://blog.csdn.net/happynear/article/details/45372231(如何快糙好猛地在Windows下编译CAFFE并使
用其matlab和python接口 ) 通过对该博客中提供的方案以及前期的尝试,快速的实现了编译:
但是总是出现一堆warning,提示未找到PDB,在网上搜索了好多解决方案,还是没有解决,想到是warning,所以抱着侥
幸心理去调试了。竟然顺利通过了D:\caffe1\examples\mnist(记得在D:\caffe1\examples\mnist\lenet_solver.prototxt中将
solver mode: CPU or GPU 中的solver_mode改为 CPU)
接下来将继续其他examples的学习。。。