win 10 python 3.7 faster rcnn ninja cuda 10.0 编译指南

最新推荐文章于 2024-04-29 16:47:36 发布

高性能计算研发苦行僧

最新推荐文章于 2024-04-29 16:47:36 发布

阅读量937

点赞数 2

分类专栏：目标检测 Python win 10 深度学习 Fasterrcnn 文章标签： caffe faster rcnn

本文链接：https://blog.csdn.net/ewqapple/article/details/96229577

版权

win 10 同时被 3 个专栏收录

13 篇文章 0 订阅

订阅专栏

深度学习

11 篇文章 0 订阅

订阅专栏

Python

9 篇文章 0 订阅

订阅专栏

新版的caffe 的bnll_layer.cu 文件进行了修改

主要是下面这句

__constant__ float kBNLL_THRESHOLD = 50.;

现在记录一下CUDA中的常量内存__constant__

突然发现caffe 的源码是学习与进阶C++ 和CUDA编程最好的工具

用ninja 编译虽然快，但是没有visual studio 生成解决方案，可以给新手以更多学习的机会。

下面来说BLVC的 caffe 生成的目录结构

先说这两个，caffe 这个

--------编译caffe 对于了解一些算法的发展确实是挺有好处的，一旦caffe 编译成功，很多代码都可以重复利用。一些层编译其中的话。这个在win10 上直接复制二进制包就行，方便的很。对于快速复现一些代码，会很有帮助。

终于功夫不负有心人，编译成功了，之前就多次弄过caffe。这次终于是前前后后搞懂了caffe的编译依赖关系，实现了最新版本的编译。不过耽误了很多时间。一次熟悉之后，后面再弄一些就很快了。

现在将一些要点记录一下以免忘记。

首先caffe的版本很多。有官方的，有微软的，有Intel的还有一些第三方维护的。

官方的caffe 是基底。目前支持最新的cuda 10.0 。这个还是比较良心的。对于想用最新显卡（RTX 2080TI）的人来说或者想用最新版的偏执狂来说确实是非常不错。

所以我们这次选择官方的caffe 版本来进行操作。一步步的解析其中的要点和过程。

git clone https://github.com/BVLC/caffe.git

cd caffe

git checkout windows

假设CAFFE_ROOT 是项目的根目录

我们发现scripts 文件夹下有build_win.cmd 文件，这个就是利用cmake 来配置这些C++ 的依赖库的。

caffe编译也就难在这些C++的依赖库。感觉理顺了CmakeLists 这个文件的关系，会比在Ubuntu下修改makefile 来的方便。

解析build_win.cmd

@echo off

@setlocal EnableDelayedExpansion

if DEFINED APPVEYOR #如果定义了自动化集成工具编译

下面这个else 是要在我们自己电脑上编译的选项。修改如下：

else (

:: Change the settings here to match your setup

:: Change MSVC_VERSION to 12 to use VS 2013

if NOT DEFINED MSVC_VERSION set MSVC_VERSION=15 # VC工具集vs 2017

:: Change to 1 to use Ninja generator (builds much faster)

if NOT DEFINED WITH_NINJA set WITH_NINJA=1 # 默认开启多核编译，msvc 编译cuda 代码的时候只能单核

:: Change to 1 to build caffe without CUDA support

if NOT DEFINED CPU_ONLY set CPU_ONLY=0 # 开启CUDA支持

:: Change to generate CUDA code for one of the following GPU architectures

:: [Fermi Kepler Maxwell Pascal All]

if NOT DEFINED CUDA_ARCH_NAME set CUDA_ARCH_NAME=Auto

:: Change to Debug to build Debug. This is only relevant for the Ninja generator the Visual Studio generator will generate both Debug and Release configs

if NOT DEFINED CMAKE_CONFIG set CMAKE_CONFIG=Release

:: Set to 1 to use NCCL

if NOT DEFINED USE_NCCL set USE_NCCL=0

:: Change to 1 to build a caffe.dll

if NOT DEFINED CMAKE_BUILD_SHARED_LIBS set CMAKE_BUILD_SHARED_LIBS=1 # 编译共享库（dll）

:: Change to 3 if using python 3.5 (only 2.7 and 3.5 are supported)

if NOT DEFINED PYTHON_VERSION set PYTHON_VERSION=3

:: Change these options for your needs.

if NOT DEFINED BUILD_PYTHON set BUILD_PYTHON=1

if NOT DEFINED BUILD_PYTHON_LAYER set BUILD_PYTHON_LAYER=1

if NOT DEFINED BUILD_MATLAB set BUILD_MATLAB=0

:: If python is on your path leave this alone

if NOT DEFINED PYTHON_EXE set PYTHON_EXE=python

:: Run the tests

if NOT DEFINED RUN_TESTS set RUN_TESTS=0

:: Run lint

if NOT DEFINED RUN_LINT set RUN_LINT=0

:: Build the install target

if NOT DEFINED RUN_INSTALL set RUN_INSTALL=0

)

:: Set the appropriate CMake generator

:: Use the exclamation mark ! below to delay the

:: expansion of CMAKE_GENERATOR

if %WITH_NINJA% EQU 0 (

if "%MSVC_VERSION%"=="15" (

set CMAKE_GENERATOR=Visual Studio 15 2017 Win64 # 适配Vs 2017

)

if "%MSVC_VERSION%"=="12" (

set CMAKE_GENERATOR=Visual Studio 12 2013 Win64

)

if "!CMAKE_GENERATOR!"=="" (

echo ERROR: Unsupported MSVC version

exit /B 1

) else (

set CMAKE_GENERATOR=Ninja

)

说明：用ninja 和vs 2017 都试过了，ninja 速度确实惊人啊，尤其是编译过程还需要调错的阶段。很省时间。

以后如果要魔改caffe的话，我们需要用ninja 编译。现在配置好了，以后应该直接弄就行

修改如下：

调用vs 2017 命令行工具

set batch_file=C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\Auxiliary\Build\vcvarsall.bat

# 这里是关键，本来都快要放弃了。由于我们要进行适配python 3.7 ，所以要定制化boost 。caffe的python接口就是由boost来实现的。我们这里选择的是Windows下的boost二进制包，默认安装位置C:\local\boost_1_69_0

安装之后效果：

所以修改下面的cmake 语句

cmake -G"!CMAKE_GENERATOR!" ^

-DBLAS=Open ^

-DCMAKE_BUILD_TYPE:STRING=%CMAKE_CONFIG% ^

-DBUILD_SHARED_LIBS:BOOL=%CMAKE_BUILD_SHARED_LIBS% ^

-DBUILD_python:BOOL=%BUILD_PYTHON% ^

-DBUILD_python_layer:BOOL=%BUILD_PYTHON_LAYER% ^

-DBUILD_matlab:BOOL=%BUILD_MATLAB% ^

-DCPU_ONLY:BOOL=%CPU_ONLY% ^

-DCOPY_PREREQUISITES:BOOL=1 ^

-DINSTALL_PREREQUISITES:BOOL=1 ^

-DUSE_NCCL:BOOL=!USE_NCCL! ^

-DCUDA_ARCH_NAME:STRING=%CUDA_ARCH_NAME% ^

-DBOOST_NO_BOOST_CMAKE=TRUE ^

-DBOOST_ROOT=C:/local/boost_1_69_0 ^

-DBOOST_LIBRARYDIR=C:/local/boost_1_69_0/lib64-msvc-14.1 ^

"%~dp0\.."

在执行的时候，会自动下载依赖文件到C:\Users\zhao\.caffe\dependencies 目录下，然后解压，

这个时候需要修改WindowsDownloadPrebuiltDependencies.cmake 文件，

set(DEPENDENCIES_NAME_1916_37 libraries_v141_x64_py37_${DEPENDENCIES_VERSION})

set(DEPENDENCIES_URL_1916_37 "${DEPENDENCIES_URL_BASE}/v${DEPENDENCIES_VERSION}/${DEPENDENCIES_NAME_1900_35}${DEPENDENCIES_FILE_EXT}")

set(DEPENDENCIES_SHA_1916_37 "f060403fd1a7448d866d27c0e5b7dced39c0a607")

这样就能匹配好我们的需要的库。

其实这里要感谢大神提供好了编译的库。也可以自己编译，尝试了一下，挺麻烦的。可以参考Intel-caffe，给出了一个在win下的脚本。很棒，可以构建自己的caffe依赖。

等下载完成之后，我们需要修改一下caffe-builder-config.cmake 这个文件

# # BOOST config

# set(BOOST_ROOT ${CMAKE_CURRENT_LIST_DIR} CACHE PATH "")

# set(BOOST_INCLUDEDIR ${BOOST_ROOT}/include/boost-1_61 CACHE PATH "")

# set(BOOST_LIBRARYDIR ${BOOST_ROOT}/lib CACHE PATH "")

# set(Boost_USE_MULTITHREADED ON CACHE BOOL "")

# set(Boost_USE_STATIC_LIBS OFF CACHE BOOL "")

# set(Boost_USE_STATIC_RUNTIME OFF CACHE BOOL "")

因为我们是自定义库，所以我们要将原本的boost的内容注释掉。

还要修改一下opencv的内容，由于默认这个库是opencv 3.1 没有预编译的vc 15 所以我们要修改一点内容

修改OpenCVConfig.cmake 对应内容如下：

if(MSVC_VERSION EQUAL 1400)

set(OpenCV_RUNTIME vc8)

elseif(MSVC_VERSION EQUAL 1500)

set(OpenCV_RUNTIME vc9)

elseif(MSVC_VERSION EQUAL 1600)

set(OpenCV_RUNTIME vc10)

elseif(MSVC_VERSION EQUAL 1700)

set(OpenCV_RUNTIME vc11)

elseif(MSVC_VERSION EQUAL 1800)

set(OpenCV_RUNTIME vc12)

elseif(MSVC_VERSION EQUAL 1900)

set(OpenCV_RUNTIME vc14)

elseif(MSVC_VERSION EQUAL 1916)

set(OpenCV_RUNTIME vc14)

这样当MSVC工具集是1916 的时候，要默认runtime 是vc 14。他俩通用的，不用再编译。

接下来，再次执行的scripts\build_win.cmd 的时候，会出现找不到boost 的错误。

打开cmake/Dependence.cmake 文件修改对应位置如下

if(BUILD_python)

# disable Python 3 search

find_package(PythonInterp 3.7)

find_package(PythonLibs 3.7)

find_package(NumPy 1.7.1)

find_package(Boost 1.69 COMPONENTS python37)

set(Boost_PYTHON_FOUND True)

if(PYTHONLIBS_FOUND AND NUMPY_FOUND AND Boost_PYTHON_FOUND)

set(HAVE_PYTHON TRUE)

if(Boost_USE_STATIC_LIBS AND MSVC)

list(APPEND Caffe_DEFINITIONS PUBLIC -DBOOST_PYTHON_STATIC_LIB)

endif()

后面应该就不会出什么错了，然后就开始编译

由于protobuf 版本的问题，应该会出一个错，F:\caffe-windows\caffe-windows\build\include\caffe\proto\caffe.pb.cc

和caffe.pb.h 这两个文件会出一个错。百度一下就能解决、

随后应该编译过程比较顺畅。ninja 编译成功。之前用vs 编译一直链接错误。

至此--------------------------------------------------------------------------------------------------------

到目前为止官方的caffe 应该是安装成功了。可能会有一些C++的小问题。网上都能找到解决方案。

接下来，我们要定制化caffe。

根据博客https://blog.csdn.net/ap1005834/article/details/79251066

中提到的。要扩展caffe的操作，需要写层。还有一些规则，今天先不讨论这些。

先看看现成的大神实现的caffe 加层。

在caffe的微软的分支中，提供了像faster rcnn rfcn 的一些定制化的层，并且支持cuda 8.0 ,实测也支持10.0，我们将其和caffe 官方的这个文件夹进行对照。\src\caffe\layers ，将原本caffe官方的一些没有的文件复制过去，相应的下面的文件夹也要复制过去。

\include\caffe

。接下来，要注册这些新层，我们需要修改

\src\caffe\proto\caffe.proto 这个文件，建议两个版本的这个文件相互对应，各取所需。

修改完成之后，再进行编译就没有什么问题了。在每次修改完成caffe.proto 这个文件之后，都会重新生成caffe.pb.cc 和相应的文件，所以最好能一次就解决所有问题，否则会很麻烦。

然后再按照之前的方法进行编译。不出错就编译成功了。

接下来就可以爽快的进行faster rcnn的编译了。需要用2to3 这个工具将这个项目里面的所有代码转换成python3 适配

之前有提及一些注意事项。这里就不再多说了，注意是lib里面的几个库还有一些因版本变化的细节问题。

后面再做一个系统性的补充。

至此----------------------------------------------------------------------------------------------------------------------------------------

终于实现了，在win10 下 python 3.7 cuda 10.0 来训练faster rcnn的目标了，可是真不容易。

之前由于基础很薄弱，出错了往往就放弃了，也缺乏一些解决问题的基本知识，现在时机终于成熟了，我们终于可以实现了当时的想法了。

其实这种解决方案早就存在，也早就兼容。只是很多时候没有搞明白具体原理。

编译好的文件和一些修改的文件，后面会整理放到github上，敬请关注。

------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------未完待续