因为实验需要比较几个算法,有几个引用较多的算法是caffe框架的代码,用pytorch重写太费事,不如把caffe框架也用起来。这里记下几个编译步骤,避免下次需要时不必要的浪费时间
1、按官方Window caffe (https://github.com/BVLC/caffe/tree/windows)进行编译,不要用Microsoft 版本(https://github.com/microsoft/caffe),因为这个版本已经不更新了,而且只支持Visual studio 2013,并且虽然貌似有设置好的工程,但是会遇到一些奇怪的错误,编译起来反而会遇到坑浪费时间。
2、跳过“The fastest method to get started with caffe on Windows is by executing the following commands ”,这个快速方法测试没通过,建议直接用后面的CMake编译方法。
3、只支持CUDA 7.5或8.0,下载CUDA 8.0,安装,没必要更新drvier。下载cuDNN, 对应于win10和cuda8.0的版本,将解压后的cuda文件夹直接拷贝到CUDA_PATH;
4、Python得用Python 2.7,用Anaconda2,设置path变量,再按文档描述进行设置;
5、用CMake编译,设置BLAS值为Open,打开BUILD_matlab; CMake会自动下载依赖库,速度很慢,直接下载libraries_v120_x64_py27_1.1.0.tar文件copy到C:\Users\kkkk\.caffe\dependencies\download,再次运行CMake Configure。
6、CMake如有其他错误如找不到GPU, git等,需要安装下载对应的驱动或安装文件即可。直到CMake不报错报红。
7、用visual studio 2013编译:All build 后install;
8、对于Python接口,直接将install/python/caffe文件夹拷贝到python安装路径下的Lib/site-packages,例如C:\ProgramData\Anaconda2\Lib\site-packages\即可,运行python,再 import caffe如成功,则成功;
9、对于Matlab接口,可参考https://www.itread01.com/content/1547132238.html。
实际上,官方文档写的很详细了,认真看文档编译起来很快。