win10caffe-GPU环境配置+mnist手写体训练以及python接口导入详细教程（一步成功）

什么是caffe

Caffe是一个深度学习框架，具有表达力强、速度快和模块化的思想，由伯克利视觉学习中心（BVLC）和社区贡献者开发。Yangqing Jia在加州大学伯克利分校攻读博士期间创建了这个项目。

为什么选择caffe？

富有表现力的架构鼓励应用和创新 使用Caffe，可以在配置中定义模型和优化，不需要硬编码。通过设置一个GPU机器训练标记在CPU和GPU之间转换，接着调配商品化集群系统或移动设备来完成。

代码的可扩展性让开发更加活跃 在Caffe项目的第一年，它就被开发者fork超过1000次，由他们完成许多重要的修改并反馈回来。多亏那些贡献者，这个框架在代码和模型两方面都在追踪最先进的技术。

速度使Caffe完美的用于研究实验和工业开发 使用一个NVIDIA K40 GPU Caffe每天可以处理超过60M的图像。推理过程为1ms/一幅图像，而学习过程为4ms/一幅图像。我们相信Caffe是现在可使用最快的ConvNet应用。

社区 在视觉、速度和多媒体方面，Caffe已经有能力用于学术研究项目、启动原型，甚至大规模的工业应用。

软件需要

1、vs2013或vs2015，其他版本不行，博主使用的vs2015社区版
2、cmake3.4或者更高版本，博主使用过cmake3.9.2和3.14.2，都可以使用，下载地址在下方，选择cmake-3.14.2-win64-x64.zip即可，下载完后，需要在环境变量的path中添加cmake的.exe文件的位置，如下图所示，环境配置的相似方法在我的另一篇博客配置CUDA8.0和CUDA5.1中有说明。
https://github.com/Kitware/CMake/releases

3、GPU配置所需的CUDA8.0和CUDNN5.1的下载和环境配置在我的另一篇博客
https://blog.csdn.net/qiongyaoxinpo/article/details/89036658
4、使用python接口导入caffe，还需要下载anaconda，caffe支持的python版本为2.7和3.5，因此，博主下载的为python3.5版本的anaconda3，之前是在清华镜像下载，不过2019.4.16清华镜像似乎已经挂了，这里就不给出下载地址了。
5、notepad++，使用notepad++来查看代码十分方便

caffe环境配置

caffe环境配置其实很简单，只要按照github官网上的要求一步一步来就可以了，这里对官网的指令进行了翻译并介绍了自己的实践与成功经历。github官网如下
https://github.com/BVLC/caffe/tree/windows
1、 同时按下win+r，输入cmd后打开cmd prompt，然后cd到你想下载caffe并运行的地方，例如想下载在F盘的caffe文件夹下，则按如下图操作即可

之后在该目录下依次输入

F:\caffe>git clone https://github.com/BVLC/caffe.git
F:\caffe>cd caffe
F:\caffe\caffe>git checkout windows
F:\caffe\caffe>scripts\build_win.cmd

2、找到F:\caffe\caffe\scrpts文件夹中的build_win.cmd文件，使用notepad++打开，进行如下修改，修改完成后，再运行一次F:\caffe\caffe>scripts\build_win.cmd命令即可进行caffe在windows环境下的文件生成，因为其原本是在ubantu系统下建立的。


3、进入F:\caffe\caffe\build文件夹下，打开Caffe.sln文件，按如下操作，release和x64，生成解决方案

4、编译完成后可以在F:\caffe\caffe\build\tools\Release文件夹中找到caffe.exe文件，可以在F:\caffe\caffe\build\examples\mnist\Release中找到convert_mnist_data.exe，如下图所示，caffe.exe文件是用于使用c++进行训练的程序，convert_mnist_data.exe是用来将mnist手写体数据转换成caffe可以使用的数据格式，值得注意的是caffe中不包含训练数据。

5、在开始调用caffe进行训练样本之前，首先得获取数据，数据在手写体官网可以直接下载，也可以通过下方传送门进行下载
http://yann.lecun.com/exdb/mnist/，一共需要下载4个文件，将所有压缩文件下载于F:\caffe\caffe\data\mnist中，并解压出来，如下图所示

6、在F:\caffe\caffe\examples\mnist文件夹中，创建create_mnist.bat的文件，使用notepad++打开后，输入程序，程序如下，其实是对create_mnist.sh的改写，因为.sh只能在linux环境下运行。按照自己的文件位置，分别修改如下4条语句即可，保存完毕后，进入cmd prompt命令行界面，在caffe根目录F:\caffe\caffe下运行如下语句：examples\mnist\create_mnist.bat，运行完毕后即可在F:\caffe\caffe\examples\mnist中发现2个可以进行训练的数据集，如下图所示
1、set EXAMPLE=F:\caffe\caffe\examples\mnist
2、set DATA=F:\caffe\caffe\data\mnist
3、set BUILD=F:\caffe\caffe\build\examples\mnist\Release
4、set exename=convert_mnist_data.exe

@echo off & setlocal enabledelayedexpansion
:: This script converts the mnist data into lmdb/leveldb format,
:: depending on the value assigned to %BACKEND%.
:: 在caffe 根目录运行examples\mnist\create_mnist.bat
%~d0
cd %~dp0
echo %cd%
echo currentpath: %~dp0

:: 网络定义文件的位置，生成lmdb文件也在这里
set EXAMPLE=F:\caffe\caffe\examples\mnist
:: 测试数据的位置
set DATA=F:\caffe\caffe\data\mnist

:: 工程文件生成的位置
::set cfg=Debug
::set BUILD=..\..\build\x64\examples\mnist\%cfg%
::set exename=convert_mnist_data-d.exe

:: 发布文件所在位置，即vs2015工程中运行INSTALL后,文件的安装位置
set BUILD=F:\caffe\caffe\build\examples\mnist\Release
:: 可发布的release版本lmdb生成工具
set exename=convert_mnist_data.exe
:: 生成数据类型
set BACKEND=lmdb

echo "Creating !BACKEND! start"

:: 删除存在的数据库目录，如果目录存在，会运行失败
IF EXIST %EXAMPLE%\mnist_train_%BACKEND%. echo rmdir /S /Q %EXAMPLE%\mnist_train_%BACKEND%.
IF EXIST %EXAMPLE%\mnist_train_%BACKEND%. rmdir /S /Q %EXAMPLE%\mnist_train_%BACKEND%.

IF EXIST %EXAMPLE%\mnist_test_%BACKEND%. echo rmdir /S /Q %EXAMPLE%\mnist_test_%BACKEND%.
IF EXIST %EXAMPLE%\mnist_test_%BACKEND%. rmdir /S /Q %EXAMPLE%\mnist_test_%BACKEND%.

:: 生成训练数据库
::
echo %BUILD%\%exename% %DATA%\train-images.idx3-ubyte ^
  %DATA%\train-labels.idx1-ubyte %EXAMPLE%\mnist_train_%BACKEND% --backend=%BACKEND%
%BUILD%\%exename% %DATA%\train-images.idx3-ubyte %DATA%\train-labels.idx1-ubyte %EXAMPLE%\mnist_train_%BACKEND% --backend=%BACKEND%
:: 生成测试数据库
::
echo %BUILD%\%exename% %DATA%\t10k-images.idx3-ubyte ^
  %DATA%\t10k-labels.idx1-ubyte %EXAMPLE%\mnist_test_%BACKEND% --backend=%BACKEND%
%BUILD%\%exename% %DATA%\t10k-images.idx3-ubyte %DATA%\t10k-labels.idx1-ubyte %EXAMPLE%\mnist_test_%BACKEND% --backend=%BACKEND%

echo "Create !BACKEND! Done."

:: 根据example\mnist\下面的*.sh运行测试
::mkdir build\x64\log\
::build\x64\install\bin\caffe.exe train --solver=examples/mnist/lenet_solver.prototxt > build\x64\log\lenet_solver.log 2>&1

endlocal&goto :EOF
:EOF

7、开始使用caffe对mnist训练集进行测试，进行cmd prompt命令行，cd至caffe根文件F:\caffe\caffe，然后运行如下语句,caffe训练开始！如下图

F:\caffe\caffe>build\tools\Release\caffe.exe train --solver=examples/mnist/lenet_solver.prototxt

8、在将caffe模型导入python中前，需要对python进行设置环境配置，打开anaconda prompt，输入如下3条语句，下载完毕后，将F:\caffe\caffe\python中的caffe文件夹复制到D:\anaconda3\Lib\site-packages中即可。

conda config --add channels conda-forge
conda config --add channels willyd
conda install --yes cmake ninja numpy scipy protobuf==3.1.0 six scikit-image pyyaml pydotplus graphviz

8、运行anaconda3，import caffe成功！至此，完毕。