Windows10 下caffe-Windows安装与配置

1、环境配置

下载官方代码，选择Windows分支的版本

查看其README.md文件，其中对环境的要求都已说明，且可以配置多个版本；

Visual Studio 2015, CPU only, Python 3.5: Caffe Release, Caffe Debug
Visual Studio 2015, CUDA 8.0, Python 3.5: Caffe Release
Visual Studio 2015, CPU only, Python 2.7: Caffe Release, Caffe Debug
Visual Studio 2015,CUDA 8.0, Python 2.7: Caffe Release
Visual Studio 2013, CPU only, Python 2.7: Caffe Release, Caffe Debug
由于我电脑GPU性能比较好，所以配置了带有cuda版本的caffe，首先就是按照要求安装相应版本的CUDA版本和CUDNN版本，我安装的版本为CUDA8.0和CUDNN5.0，具体安装过程比较简单，不再赘述；然后就是安装python，我安装的版本为python3.5，也可以安装python2.7版本的，可以允许电脑存在多个cuda和python版本，但是默认一定要设置为caffe需要的版本环境。

2、编译

下载caffe-windows代码解压后，找到scripts文件夹下的build_win.cmd文件

这个是专门用于在Windows下编译caffe的官方文件，不过需要根据自己配置环境的情况进行一些修改；如下所示

else (
    :: Change the settings here to match your setup
    :: Change MSVC_VERSION to 12 to use VS 2013
    ::  根据自己vs版本设置，2013就是12,2015就是14，我的是14
    if NOT DEFINED MSVC_VERSION set MSVC_VERSION=14 
    :: Change to 1 to use Ninja generator (builds much faster)
    :: 这里由于我使用的cmake编译，未使用ninja，所有设置为了0
    if NOT DEFINED WITH_NINJA set WITH_NINJA=0
    :: Change to 1 to build caffe without CUDA support
    :: 这里我使用了cuda，所有设置为0，若是CPU版本则设置为1;
    if NOT DEFINED CPU_ONLY set CPU_ONLY=0
    :: Change to generate CUDA code for one of the following GPU architectures
    :: [Fermi  Kepler  Maxwell  Pascal  All]
    :: 此处一定要注意，如果安装了多个cuda版本，需要将其设置为All,不然会报出compute_arch不支持的错误;
    if NOT DEFINED CUDA_ARCH_NAME set CUDA_ARCH_NAME=All
    :: 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
    :: 此处就是编译vs的版本，是Release还是Debug版本，我的是Release
    if NOT DEFINED CMAKE_CONFIG set CMAKE_CONFIG=Release
    :: Set to 1 to use NCCL
    :: 是否使用多卡训练
    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=0
    :: Change to 3 if using python 3.5 (only 2.7 and 3.5 are supported)
    :: 选择python版本，我使用是python 3.5，所以修改为3
    if NOT DEFINED PYTHON_VERSION set PYTHON_VERSION=3
    :: Change these options for your needs.
    :: 这里选择需要的选项，我需要python，所以将python选项设置为了1，如果需要MATLAB，则将其也设置为1
    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
    :: 生成安装文件，所以需要设置为1
    if NOT DEFINED RUN_INSTALL set RUN_INSTALL=0
)

如果使用了CUDNN，还需要将其路径添加到其中，即 -DCUDNN_ROOT=C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v8.0^

:: Configure using cmake and using the caffe-builder dependencies
:: Add -DCUDNN_ROOT=C:/Projects/caffe/cudnn-8.0-windows10-x64-v5.1/cuda ^
:: below to use cuDNN
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% ^
	  -DCUDNN_ROOT=C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v8.0^
      "%~dp0\.."

之后就可以在cmd中运行build_win.cmd文件了，但是由于需要下载相应的依赖包，可能会由于下载时间太长导致编译失败，所以，可以先下载好对应版本的依赖包，放入相应的文件夹内，从而节省大量编译时间；依赖包地址，从中选择合适的文件；

由于我使用的是vs2015,python3.5,所以对应的就是libraries_v140_x64_py35_1.1.0.tar.bz2；将其下载后解压到相应目录下，默认目录为C:\Users\Administrator.caffe\dependencies\libraries_v140_x64_py35_1.1.0

之后为了防止其继续下载，需要找到cmake文件夹下的WindowsDownloadPrebuiltDependencies.cmake文件，注释其中下载文件的部分；这样运行build_win.cmd文件时就不会重复下载依赖包了。

最后运行build_win.cmd文件，等待编译完成，时间有点长，最终编译完成，可能会有很多警告，可以忽略，没有错误就行。

3、在VS中生成解决方案

选择需要生成的版本，没有报错则编译成功。