Caffe-CPU安装
由于Caffe已经停止更新将近四年,因此对新显卡和新的CUDA版本不太友好,经过本人的多次调试,Caffe-GPU的安装比较困难。因此,建议先完成Caffe-CPU版本的安装,之后对GPU版本的安装能够起到较大帮助。
Caffe-GPU安装(Cuda10.2+cudnn7.6.5+GTX1650+VS2015):https://blog.csdn.net/lostcorner/article/details/114834507
配置环境:
- Caffe版本:caffe-windows
- Anaconda,并配置好python3.5的环境(如果需要caffe的python接口)
- Cmake,可以用最新版
- VS2015,社区版可在微软商城免费下载使用
安装步骤:https://blog.csdn.net/adong6561975/article/details/106495446,这篇文章是我能找到的最简洁,最贴近caffe-windows新版本安装特性的文章。
Caffe测试
为了确定caffe-cpu是否安装完成,用mnist数据集完成一次相当于“Hello World"的测试。
注:下文将$Caffe_ROOT
标记为caffe根目录。
$Caffe-ROOT/examples/mnist
中的.sh
文件等是在Linux环境下运行,虽然官方也提供了.ps1
的powershell版本,但是实测还是自己重新完成更加方便,同时也可以对caffe进行初步学习。
1.下载mnist,如果打不开,可以去自行搜索下载。
2. 将下载的内容进行解压,并移至$Caffe-ROOT/data/mnist
3.因为Caffe不能直接读取这个格式的数据,所以自己编写一段bat程序,将数据转化为能够被caffe读取的lmdb格式。在根目录下新建一个txt文件,重命名为mnist_data_convert.bat
(拓展名需要改变),编辑其中内容。
.\scripts\build\examples\mnist\Release\convert_mnist_data.exe .\data\mnist\train-images.idx3-ubyte .\data\mnist\train-labels.idx1-ubyte .\examples\mnist\mnist_train_lmdb
echo.
.\scripts\build\examples\mnist\Release\convert_mnist_data.exe .\data\mnist\t10k-images.idx3-ubyte .\data\mnist\t10k-labels.idx1-ubyte .\examples\mnist\mnist_test_lmdb
Pause
在运行mnist_data_convert.bat
后,$Caffe-ROOT/examples/mnist
中会出现两个文件夹,即表示完成。
4.在$Caffe-ROOT/examples/mnist
中找到lenet_solver.prototxt
,打开后将最后一行改为CPU。
另外,此处max_iter
是最大迭代次数,snapshot
是指定的中间迭代次数。这两个值可以修改。
5.在$Caffe-ROOT/examples/mnist
中找到lenet_train_test.prototxt
,将
examples/mnist/mnist_test_lmdb
改为
./examples/mnist/mnist_test_lmdb
examples/mnist/mnist_train_lmdb
改为
./examples/mnist/mnist_train_lmdb
6.在根目录新建train_mnist.bat
,输入
.\scripts\build\tools\Release\caffe.exe train --solver=.\examples\mnist\lenet_solver.prototxt
pause
运行train_mnist.bat
后即可开始训练。
训练结束后在$Caffe-ROOT/examples/mnist
可以找到以下四个文件,即训练好的模型。
完成!
====================================================
如需Caffe-GPU版本,请看https://blog.csdn.net/lostcorner/article/details/114834507