windows下让自己的程序调用caffe库

最新推荐文章于 2024-07-28 21:59:03 发布
最新推荐文章于 2024-07-28 21:59:03 发布
阅读量1.2w 收藏 36
点赞数 11
分类专栏： caffe
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_14845119/article/details/52541622
版权

 

为了避免下文的某些地方和实际阅读的童鞋的不一样，给出我自己的caffe的配置过程，http://blog.csdn.net/qq_14845119/article/details/52415090

同时，本人将NugetPackages根目录下的glog，LevelDB，protobuf目录中lib下面的debug目录中相应的lib后面都加上D重命名了一下。

NOW，go ahead!

 

 

本文将通过一个最简单的caffenet的调用，讲解windows下的caffe库调用。

首先，新建一个端口程序，将E:\caffe\examples\cpp_classification目录下的classification.cpp，复制到刚才新建的工程，并添加进去。然后去caffe zoo下载

deploy.prototxt

bvlc_reference_caffenet.caffemodel

imagenet_mean.binaryproto

synset_words.txt

cat.jpg

并放到刚才新建的工程目录中。

对原始classification.cpp进行相应的修改，

由于本人电脑没有GPU，所以在程序第一行添加

 

#define USE_OPENCV 1
#define CPU_ONLY 1

 

在main函数中做如下修改，即将刚才下载的模型文件导进去。

 

然后按照下面的进行相应的配置。

debug编译配置

包含目录：

E:\caffe\include;
E:\NugetPackages\glog.0.3.3.0\build\native\include;
E:\NugetPackages\OpenBLAS.0.2.14.1\lib\native\include;
E:\NugetPackages\OpenCV.2.4.10\build\native\include;
E:\NugetPackages\boost.1.59.0.0\lib\native\include;
E:\NugetPackages\gflags.2.1.2.1\build\native\include;
E:\NugetPackages\hdf5-v120-complete.1.8.15.2\lib\native\include;
E:\NugetPackages\LevelDB-vc120.1.2.0.0\build\native\include;
E:\NugetPackages\lmdb-v120-clean.0.9.14.0\lib\native\include;
E:\NugetPackages\protobuf-v120.2.6.1\build\native\include;

 

使用GPU额外加下面的目录（根据自己实际安装目录修改）：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\include

 

库目录：

 

E:\caffe\Build\x64\Debug;
E:\NugetPackages\OpenCV.2.4.10\build\native\lib\x64\v120\Debug;
E:\NugetPackages\boost_chrono-vc120.1.59.0.0\lib\native\address-model-64\lib;
E:\NugetPackages\boost_date_time-vc120.1.59.0.0\lib\native\address-model-64\lib;
E:\NugetPackages\boost_filesystem-vc120.1.59.0.0\lib\native\address-model-64\lib;
E:\NugetPackages\boost_system-vc120.1.59.0.0\lib\native\address-model-64\lib;
E:\NugetPackages\boost_thread-vc120.1.59.0.0\lib\native\address-model-64\lib;
E:\NugetPackages\gflags.2.1.2.1\build\native\x64\v120\dynamic\Lib;
E:\NugetPackages\glog.0.3.3.0\build\native\lib\x64\v120\Debug\dynamic;
E:\NugetPackages\hdf5-v120-complete.1.8.15.2\lib\native\lib\x64;
E:\NugetPackages\LevelDB-vc120.1.2.0.0\build\native\lib\x64\v120\Debug;
E:\NugetPackages\lmdb-v120-clean.0.9.14.0\lib\native\lib\x64;
E:\NugetPackages\OpenBLAS.0.2.14.1\lib\native\lib\x64;
E:\NugetPackages\protobuf-v120.2.6.1\build\native\lib\x64\v120\Debug;
E:\NugetPackages\boost_date_time-vc120.1.59.0.0\lib;

使用GPU额外加下面的目录（根据自己实际安装目录修改）：

 

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\lib\x64

 

 

 

链接->输入：

caffe.lib;
compute_image_mean.lib;
convert_imageset.lib;
convert_mnist_data.lib;
libcaffe.lib;
opencv_highgui2410d.lib;
opencv_imgproc2410d.lib;
opencv_objdetect2410d.lib;
opencv_core2410d.lib;
opencv_ml2410d.lib;
libboost_date_time-vc120-mt-gd-1_59.lib;
libboost_filesystem-vc120-mt-gd-1_59.lib;
libboost_system-vc120-mt-gd-1_59.lib;
libglogD.lib;
hdf5.lib;
hdf5_cpp.lib;
hdf5_f90cstub.lib;
hdf5_fortran.lib;
hdf5_hl.lib;
hdf5_hl_cpp.lib;
hdf5_hl_f90cstub.lib;
hdf5_hl_fortran.lib;
hdf5_tools.lib;
szip.lib;
zlib.lib;
LevelDbD.lib;
lmdbD.lib;
libprotobufD.lib;
libopenblas.dll.a;
gflags_nothreadsd.lib;
gflagsd.lib;

 

使用GPU额外加下面的目录（根据自己实际安装目录修改）：

cublas.lib
cuda.lib
cublas_device.lib
cudnn.lib
cudadevrt.lib
cudart.lib
cudart_static.lib
cudnn_static.lib
cufft.lib
cufftw.lib
curand.lib
cusolver.lib
cusparse.lib
nppc.lib
nppi.lib
npps.lib
nvblas.lib
nvcuvid.lib
nvrtc.lib

 

 

release编译配置

 

 

包含目录：

E:\caffe\include;
E:\NugetPackages\boost.1.59.0.0\lib\native\include;
E:\NugetPackages\gflags.2.1.2.1\build\native\include;
E:\NugetPackages\glog.0.3.3.0\build\native\include;
E:\NugetPackages\hdf5-v120-complete.1.8.15.2\lib\native\include;
E:\NugetPackages\LevelDB-vc120.1.2.0.0\build\native\include;
E:\NugetPackages\lmdb-v120-clean.0.9.14.0\lib\native\include;
E:\NugetPackages\OpenBLAS.0.2.14.1\lib\native\include;
E:\NugetPackages\OpenCV.2.4.10\build\native\include;
E:\NugetPackages\protobuf-v120.2.6.1\build\native\include;

 

使用GPU额外加下面的目录（根据自己实际安装目录修改）：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\include

 

库目录：

 

E:\caffe\Build\x64\Release;
E:\NugetPackages\boost_chrono-vc120.1.59.0.0\lib\native\address-model-64\lib;
E:\NugetPackages\boost_date_time-vc120.1.59.0.0\lib\native\address-model-64\lib;
E:\NugetPackages\boost_filesystem-vc120.1.59.0.0\lib\native\address-model-64\lib;
E:\NugetPackages\boost_system-vc120.1.59.0.0\lib\native\address-model-64\lib;
E:\NugetPackages\boost_thread-vc120.1.59.0.0\lib\native\address-model-64\lib;
E:\NugetPackages\gflags.2.1.2.1\build\native\x64\v120\dynamic\Lib;
E:\NugetPackages\glog.0.3.3.0\build\native\lib\x64\v120\Release\dynamic;
E:\NugetPackages\hdf5-v120-complete.1.8.15.2\lib\native\lib\x64;
E:\NugetPackages\LevelDB-vc120.1.2.0.0\build\native\lib\x64\v120\Release;
E:\NugetPackages\lmdb-v120-clean.0.9.14.0\lib\native\lib\x64;
E:\NugetPackages\OpenBLAS.0.2.14.1\lib\native\lib\x64;
E:\NugetPackages\OpenCV.2.4.10\build\native\lib\x64\v120\Release;
E:\NugetPackages\protobuf-v120.2.6.1\build\native\lib\x64\v120\Release;

 

使用GPU额外加下面的目录（根据自己实际安装目录修改）：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\lib\x64

 

链接->输入：

 

opencv_core2410.lib;
opencv_highgui2410.lib;
opencv_imgproc2410.lib;
caffe.lib;
libcaffe.lib;
gflags.lib;
libglog.lib;
libopenblas.dll.a;
libprotobuf.lib;
leveldb.lib;
lmdb.lib;
hdf5.lib;
hdf5_hl.lib;
libboost_date_time-vc120-mt-s-1_59.lib;
libboost_filesystem-vc120-mt-s-1_59.lib;

使用GPU额外加下面的目录（根据自己实际安装目录修改）：

 

cublas.lib
cuda.lib
cublas_device.lib
cudnn.lib
cudadevrt.lib
cudart.lib
cudart_static.lib
cudnn_static.lib
cufft.lib
cufftw.lib
curand.lib
cusolver.lib
cusparse.lib
nppc.lib
nppi.lib
npps.lib
nvblas.lib
nvcuvid.lib
nvrtc.lib

 

 

 

 

 

错误解决指引：

（1）

 

c/c++->命令行，输入-D_SCL_SECURE_NO_WARNINGS

（2）

 

 

 

 

在工程中添加一个head.h的头文件，输入如下程序

#include <caffe/common.hpp>
#include <caffe/layer.hpp>
#include <caffe/layer_factory.hpp>
#include <caffe/layers/input_layer.hpp>
#include <caffe/layers/inner_product_layer.hpp>
#include <caffe/layers/dropout_layer.hpp>
#include <caffe/layers/conv_layer.hpp>
#include <caffe/layers/relu_layer.hpp>

#include <caffe/layers/pooling_layer.hpp>
#include <caffe/layers/lrn_layer.hpp>
#include <caffe/layers/softmax_layer.hpp> 

namespace caffe
{
	
	extern INSTANTIATE_CLASS(InputLayer);
	extern INSTANTIATE_CLASS(InnerProductLayer);
	extern INSTANTIATE_CLASS(DropoutLayer);
	extern INSTANTIATE_CLASS(ConvolutionLayer);
	REGISTER_LAYER_CLASS(Convolution);
	extern INSTANTIATE_CLASS(ReLULayer);
	REGISTER_LAYER_CLASS(ReLU);
	extern INSTANTIATE_CLASS(PoolingLayer);
	REGISTER_LAYER_CLASS(Pooling);
	extern INSTANTIATE_CLASS(LRNLayer);
	REGISTER_LAYER_CLASS(LRN);
	extern INSTANTIATE_CLASS(SoftmaxLayer);
	REGISTER_LAYER_CLASS(Softmax);
		
}

并且在classification.cpp中输入#include"head.h"，调用该.h头文件。

（3）

 

将E:\NugetPackages\gflags.2.1.2.1\build\native\x64\v120\dynamic\Lib目录下的8个文件全部复制到工程目录下。

 

程序运行

当上面的所有问题都解决后，运行程序就会生成如下的结果，效果和linux上运行的效果是一样的。debug和release都可以运行。

 

 

 

 

 

 

 

 

 

 

 

watersink
关注
专栏目录
Windows系统下安装深度学习Caffe软件及实现MATLAB调用的详细步
qq_38096703的博客
03-15 4059
下载Caffe，并解压出源代码文件夹caffe-master，转到该文件夹下的windows文件夹下，将CommonSettings.props.example文件复制到该目录下并重命名为CommonSettings.props。用文本方式或者VS 2013单独打开，修改如下内容（我这里没有Nivid英伟达GPU，而英伟达GPU使用的是专用库CUDA，所以我这里只使用CPU模式，因此也不用下载和安...
windows下配置caffe-matlab接口
sinat_28371057的博客
11-16 1196
一、环境说明 也是安装顺序。特别强调的是除VS2015以外，其他软件的安装路径都最好不要包含空格。 1、Windows 64位系统。 2、Visual Studio 2015(VS2015, 对应VC14)。 3、Matlab 2017a。Matlab的版本倒不是很重要，只要支持Matlab 2015a之后的版本都应该支持。所以如果安装了其他版本的Matlab，可以先不用安装2017a。安装完之后要把其中的bin目录和runtime\bin目录加入环境变量Path。 D:\Program Files\
windows caffe的第三方库dll
03-21
windows下caffe的第三方库dll
Windows下caffe的配置和调用caffe库（一）
afmp42539的博客
05-02 199
一、Windows下caffe的配置： 1. 下载caffe官网提供的开发包，https://github.com/microsoft/caffe 2. 将caffe-master目录下的Windows中的文件CommonSettings.props.example后缀名改为CommonSettings.props。如下： 3. 由于我们不用GPU，因此要修改Commo...
Python 中 Caffe 库的使用方法
最新发布
roc_ever的博客
07-28 354
它特别适用于图像分类和图像分割任务。以下是一个关于如何使用 Caffe 库的详细指南，包括安装、配置、构建和训练模型的步骤。Caffe 是一个强大的深度学习框架，尤其适用于计算机视觉任务。无论是从安装、配置、数据预处理、模型训练到评估和可视化，Caffe 都提供了完整的解决方案，帮助开发者高效地进行深度学习研究和应用。Caffe 支持微调预训练模型，即在已有模型的基础上进行训练以适应新的任务。在训练和评估模型时，需要对数据进行预处理。Blob: 是 Caffe 中的数据结构，用于存储和传输数据和梯度。
Windows下caffe的配置和调用caffe库（二）
afmp42539的博客
05-02 171
二、 Caffe库的调用： 新建空白项目，将配置管理器更改为x64运行方式。（release和Debug均可）。 Debug配置： 　　　　1) 包含目录： D:\caffe-master\include； D:\NugetPackages\glog.0.3.3.0\build\native\include； D:\NugetPackages\Op...
caffe 在 windows 使用
weixin_33830216的博客
05-04 681
以前打开windows版本的caffe，是有一个.sln 文件，通过 vs2013 加载后可以直接执行编译过程，这次遇到一些坑，最终还是编译好，并且把 mnist 的例程再次在windows 平台跑通了，应该说，如果不是想用 VS 管理工程写C++ ，用windows真的是蛋疼。‘’‘’ 主要步骤如下： 1、下载安装好 Anaconda2、Git、cmake（ > 3.4 ）、将pyth...
Windows7配置caffe1
08-08
- Matlab接口允许你在Matlab环境中直接调用Caffe进行模型训练和推理。在Caffe编译成功后，可以通过Matlab的命令行使用`caffe`函数，例如`caffe.set_mode_gpu()`来设置使用GPU，或者`caffe.get_solver('solver....
caffe windows prebuilt
10-19
它还特别针对Python 3.5版本进行了优化，意味着开发者可以利用Python接口来调用Caffe的功能。 描述中的“2018-10-19日版本”表明这是该软件的一个特定更新日期，意味着它包含了截至那个日期的所有修复、改进和新...
linux程序调用后库崩溃,so 动态库崩溃问题定位（addr2line与objdump）
weixin_36147808的博客
05-03 1386
一、需求分析so 的崩溃并不像 Java 代码那么好定位，我们通常看到的就只是 so 中的一大段崩溃的堆栈信息。那么我们怎么通过这个堆栈信息来定位我们的问题呢？二、addr2line1. 介绍Addr2line 工具(它是标准的 GNU Binutils 中的一部分)是一个可以将指令的地址和可执行映像转换成文件名、函数名和源代码行数的工具。一般适用于 debug 版本或带有 symbol 信息的库...
caffe-windows-lib:在Visual Studio 2012上编译CPU_ONLY libcaffe.dll
05-25
特征 2015年6月20日从 master分支派生。 在不使用CUDA的情况下以CPU_ONLY模式构建。 导出libcaffe.lib和libcaffe.dll文件以进行进一步的开发。 要求 Windows X64。 Visual Studio 2012。 预编译的3rdparty依赖项可以从下载。 建造 从下载预编译的依赖项。 将3rdparty / include和3rdparty / lib文件夹放入caffe-windows-lib / 3rdparty 。 将3rdparty / bin文件夹放入caffe-windows-lib / build 。 打开vsproject / vsproject.sln。 编译libcaffe。 编译其他Caffe工具（可选）。 使用libcaffe.dll编译您自己的代码（请记住在预处理器中添加CPU_ONLY宏）。 M
windows下的caffe使用
weixin_30421525的博客
05-19 89
首先用命令行切换到caffe-master根目录（也就是Build文件的父目录） （exe文件在我的目录是D:\Documents\Visual Studio 2013\Projects\caffe-master - GPU\caffe-master\Build\x64\Release） 使用exe文件生成对应的imdb文件(训练文件) "Build/x64/Release/conver...
在windows下调用caffe-ssd lib
qq1145520074的专栏
08-06 247
基本按照 https://blog.csdn.net/qq_14845119/article/details/52541622 进行配置。 但是出现了一些列错误，修改如下： 1、libboost_date_time-vc120-mt-s-1_59.lib;libboost_filesystem-vc120-mt-s-1_59.lib; 应该改成libboost_date_time-vc120-...
windows 下深度学习模块 caffe 的训练和使用小结
gcnhiexn的博客
03-03 793
最近在做一个有关深度学习的工程，上网搜索了大量资料，终于算是有点头绪了，现小结一下，供大家参考。一，安装caffe。        安装过程参考https://jingyan.baidu.com/album/8ebacdf00b251749f65cd539.html?picindex=1。注意第一、三步。二，了解和学习caffe。     这里也就是了解一些基本知识。参考www.cnblogs.c...
Windows配置Caffe教程
00_00_07
09-27 1780
1、配置环境 我的电脑： Windows10 64位+CUDA6.5+OpenCV2.49+VS2013 亲测，windows 7 64位用这个方法同样可行。 2、准备依赖库（五星重要） Windows下最重要，也是我们配置成功的关键，就是准备好所有的依赖库，然后编译我们的代码。 2.1、Boost 最方便也是我直接使用的方法，直接下载安装文件，找到适用自己电脑的版本。 地址： h
windows导入caffe接口（python）
evil_xue的博客
07-31 864
windows下caffe接口编译：http://blog.csdn.net/evil_xue/article/details/81289957 windows下matlab导入caffe接口：http://blog.csdn.net/evil_xue/article/details/81299155 windows下python导入caffe接口 在caffe-windows\Build...
OSError: [WinError 126] 找不到指定的模块。 Error loading “caffe2_nvrtc.dll“ or one of its dependencies.
AppleII的专栏
01-29 3433
OSError: [WinError 126] 找不到指定的模块。Error loading "C:\ProgramData\Anaconda3\lib\site-packages\torch\lib\caffe2_nvrtc.dll" or one of its dependencies.网上说是pytorch版本问题，原来安装的是GPU版本，改为CPU版本后正常，GPU版本如何排除错误还有待研究，就先用着CPU版本。
Pyinstaller打包exe后测试报错：Error loading ”torchlibcaffe2_nvrtc.dll“ or one of its dependencies
qq_37296803的博客
05-18 1496
在我将pytorch打包后，到其他电脑上测试的时候碰见了此问题！
Windows下使用MATLAB运行Caffe RCNN demo教程
本篇文章主要介绍了如何在Windows环境下利用Caffe和Matlab运行RCNN (Region Convolutional Neural Network)...通过这个过程，读者可以实践深度学习在目标检测领域的应用，熟悉如何在Windows环境下搭建和调用Caffe框架。
评论 54
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值