[Caffe配置]SSD(Single Shot MultiBox Detector)在Windows下配置步骤

Link:https://www.jianshu.com/p/9a84cc434e05

1.SSD简介

SSD全称Single Shot MultiBox Detector，是一个用于目标检测的深度学习框架。
By Wei Liu, Dragomir Anguelov, Dumitru Erhan, Christian Szegedy, Scott Reed, Cheng-Yang Fu, Alexander C. Berg.

SSD是一个单一的网络对象检测的统一框架。你可以使用代码来训练/评估一个用于目标检测任务的网络。(http://arxiv.org/abs/1512.02325).

作者的Github上https://github.com/weiliu89/caffe 只给出了linux下的代码，下面内容是将代码移植到windows上的实现步骤。本文参考了samylee的博文Windows-SSD配置与测试，在此表示感谢。

2. 配置环境

windows7 + vs2013 + Cuda8.0

---

3. 所需文件

vs2013，windows-caffe，ubuntu-ssd，libboost，cudnn，OpenCV（可选）ssd_detect.cpp，io.cpp

windows-caffe地址： 链接：http://pan.baidu.com/s/1hrGRu1A 密码：j82r 或 https://github.com/conner99/caffe，推荐使用后者。
ubuntu-ssd地址： 链接：http://pan.baidu.com/s/1mhYuf7y 密码：3jp2
libboost地址：链接：http://pan.baidu.com/s/1pLbBMpP 密码：41tq
cudnn地址：链接：http://pan.baidu.com/s/1o8vWBhw 密码：kdj4
opencv地址：链接：http://pan.baidu.com/s/1eSkHBj0 密码：nhch
ssd_detect.cpp地址：链接：http://pan.baidu.com/s/1nvwECNv 密码：e3yn
io.cpp地址：链接：http://pan.baidu.com/s/1i4CL7QP 密码：g623
signal_handler地址：链接：http://pan.baidu.com/s/1mhYuf7y 密码：iubq

---

4. 配置步骤和出现的问题

本人配置的是使用GPU的版本，以下为配置步骤和出现的问题：

1. 从上述网址下载的windows-caffe使用的Cuda版本为7.5，我使用的Cuda版本为8.0，所以将其版本改为8.0，重命名.\caffe-master\windows\\路径下的CommonSettings.props.example为CommonSettings.props，修改Cuda配置为<CudaVersion>8.0</CudaVersion>,此外设置<CpuOnlyBuild>true</CpuOnlyBuild>和<UseCuDNN>false</UseCuDNN>。

2. 编译项目，报错“未能生成object文件（视警告为错误）”，解决方法：右击选择属性->配置属性->c/c++->常规，将“警告视为错误”的选项改为“否”,若还报错，将math_functions.obj文件放到路径caffe-master\Build\Int\libcaffe\x64\[Release|Debug]下。

3. 复制.\ssd_new下所有文件（除build，data，example以及models之外）至.\windows-caffe，替换原来文件夹中对应的文件。

4. 编译文件，报错error C3861: “mkdir”: 找不到标识符。解决办法：在db_lmdb.cpp文件的

CHECK_EQ(mkdir(source.c_str(), 0744), 0) << "mkdir " << source << " failed";

语句上下添加语句，使得：

#ifdef MSC_VER
        CHECK_EQ(mkdir(source.c_str(), 0744), 0) << "mkdir " << source << " failed";
#endif

5. 编译文件，报错error C2360: “occurrences_32”的初始化操作由“case”标签跳过。解决办法：在hdf5.cpp文件中将所有出错的case语句下的内容都括上大括号{ }，比如，将语句

  case H5T_FLOAT:
      LOG_FIRST_N(INFO, 1) << "Datatype class: H5T_FLOAT";
      break;

改为：

  case H5T_FLOAT:
{
      LOG_FIRST_N(INFO, 1) << "Datatype class: H5T_FLOAT";
      break;
}

6. 选择解决方案下的libcaffe项目，进入include/layers文件夹中，将路径.\caffe-master\include\caffe\layers下除了roi_pooling_layer.hpp的所有hpp文件添加到include/layers中。进入src/layers文件夹中，将路径.\caffe-master\src\caffe\layers下除了roi_pooling_layers.cpp的所有cpp文件添加到src/layers中。

7. 编译项目，报错error C2065: “SIGHUP”: 未声明的标识符。解决办法：在common.cpp文件最上边一行添加语句

#include "process.h"

8. 编译项目，报了都是关于signal_handler.cpp文件相关的错误，在本文章第三部分享文件中下载signal_handler.cpp文件替换即可。

9. 编译项目，报错找不到boost库，在解决方案的caffe和classification项目下的VC++选项下，在包含目录中添加 ~/boost_1_59_0/,在库目录中添加~\boost_1_59_0\stage\lib。

10. 选择解决方案下的libcaffe项目，进入libcaffe/src/util文件夹中，将路径\ssd_new\src\caffe\util下的bbox_util.cpp文件添加到libcaffe/src/util中。

11. 编译项目，报错找不到标识符"snprintf",解决办法：在bbox_util文件中，在标识符snprintf前面加上下划线_，修改为_snprintf。

12. 编译项目，报错：

error LNK2001: 无法解析的外部符号 "__declspec(dllimport) void __cdecl google::InstallFailureSignalHandler(void)"

采用了粗暴的解决方式，在common.cpp文件中，将出错的函数::google::InstallFailureSignalHandler()注释掉。

13. 选择解决方案下的classification项目，将ssd_detect.cpp文件添加到项目中，去除注释，修改相应的模型文件和网络结构定义文件的路径。

---

至此，SSD目标检测的CPU版本，已经可以在windows下运行，接下来配置 SSD的GPU加速版本。

---

1. 在路径.\caffe-master\windows\\下进入CommonSettings.props配置文件中，设置<CpuOnlyBuild>false</CpuOnlyBuild>和<UseCuDNN>true</UseCuDNN>。

2. 进入.\caffe-master\windows\\路径下，启动Caffe工程，编译工程，报错：

error MSB3721: 命令“……”已退出，返回代码为1。

修改.\caffe-master\windows\\路径下的CommonSettings.props文件，修改对应内容为：

<CudaArchitecture>compute_30,sm_30;compute_50,sm_50</CudaArchitecture>

3. 之后编译工程，报错：无法打开cudnn.h文件，从本博客第二部分下载cudnn，之后在项目工程的属性中的vc++包含目录中添加~/cuda/include路径。在库目录中添加~/cuda/lib/x64路径。
4. 编译工程，报错：error : declaration is incompatible with "const char *cudnnGetErrorString(cudnnStatus_t)"，解决方法：修改cudnn.hpp文件中

inline const char* cudnnGetErrorString(cudnnStatus_t status)

为

inline const char* CUDNNWINAPI cudnnGetErrorString(cudnnStatus_t status)

5. 编译工程，报错："::caffe::kBNLL_THRESHOLD" is undefined in device code",解决方法：修改bnll_layer.cu中

Dtype expval = exp(min(in_data[index], Dtype(kBNLL_THRESHOLD)));

为

Dtype expval = exp(min(in_data[index], Dtype(50)));

6. 编译工程，报错：error : too few arguments in function call. conv_layer.cu。修改conv_layer.cu文件中

this->forward_gpu_gemm(bottom_data + n * this->bottom_dim_, weight, top_data + n * this->top_dim_);

为

this->forward_gpu_gemm(bottom_data + n * this->bottom_dim_, weight, top_data + n * this->top_dim_, false);

7. 编译项目，报错error MSB3073，解决办法：进入项目libcaffe的属性设置，设置生成事件 -> 预先生成事件 -> 在生成中使用 -> 否，设置生成事件 -> 后期生成事件 -> 在生成中使用 -> 否。

8. 编译项目，报与boost相关的regex正则表达式库出现问题，在项目中我们不需要正则表达式，所以将相关语句注释掉即可。进入项目libcaffe中，进入detection_output_layer.cu文件，将所有出现regex和rv的语句注释掉。进入detection_output_layer.cpp文件，将所有出现regex和rv的语句注释掉。进入detection_output_layer.hpp中，将语句#include <boost/regex.hpp>注释掉。

9. 编译项目，报错：找不到".\caffe\3rdparty\hungarian.h"文件，在路径.\caffe-master\include\caffe\3rdparty\\下添加hungarian.h文件。编译项目，报错：找不到".\src\caffe\3rdparty\hungarian.cpp"文件，在路径.\caffe-master\\src\caffe\3rdparty\\下添加hungarian.cpp文件。

10. 编译项目，报与thrust相关的错误，进入项目libcaffe中，注释掉

#include "thrust/functional.h"
#include "thrust/sort.h"
……
  thrust::sort_by_key(&confidences[0], &confidences[0] + num_remain, &idx[0],
  thrust::greater<Dtype>());

这些语句。

11. 进入解决方案下的classification项目的ssd_detect.cpp文件中，去除注释，修改相应的模型文件和网络结构定义文件的路径。

---

至此，SSD目标检测的GPU版本，已经可以在windows下运行。

---

5. 感谢

感谢一直踩雷的妇老师，解决了上面提到的大部分错误。希望本篇文章可以给想要在windows环境下运行SSD的程序员们一些帮助。

作者：qgpmztmf
链接：https://www.jianshu.com/p/9a84cc434e05
來源：简书
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。