【caffe】windows7+visual studio 2013+CUDA7.5 编译caffe+配置matcaffe+配置pycaffe

最新推荐文章于 2023-03-22 23:08:15 发布
最新推荐文章于 2023-03-22 23:08:15 发布
阅读量1.3k 收藏 2
点赞数

经过朋友指导，终于成功在windows7上成功编译了caffe，这里将编译过程记录

1. 安装文件准备

1.1 visual studio 2013安装包下载

1.2 CUDA7.5 (optional)

如果不需要cuda版本的caffe，本步跳过

1.3 windows版本caffe

1.4 下载cuDNN (optional)

  • 如果不需要配置cuDNN，该步请跳过
  • 从nVidia官网下载cuDNN v3或者是cuDNN v4，注意，需要注册才能下载
    下载后解压缩，如下图所示
    这里写图片描述

1.5 下载Anaconda安装包 (optional)

  • 该安装包是用来安装python的，从而可以配置pycaffe
  • 这里选择的是利用Anaconda的方法按照python，所以才需要下载Anaconda安装包，当然，也可以按照其他的方法安装
  • 如果不需要配置pycaffe，该步请跳过
  • 一般情况下，可能大家的机器上都已经安装了python，那么，也请跳过该步
  • Anaconda安装包下载地址：https://www.continuum.io/downloads

1.6 下载Matlab安装包 (optional)

  • 该安装包是用来安装matlab的，从而可以配置matcaffe
  • 如果不需要配置matcaffe ，该步请跳过
  • 一般情况下，可能大家的机器上都已经安装了matlab，那么，也请跳过该步
  • matlab下载地址这里就不列出了，请自行寻找

2.安装visual studio 2013

具体安装方法见： 安装visual studio 2013

3.安装cuda7.5 (optional)

4. 利用Anaconda安装python (optional)

如果你的本机没有安装Python，并且你需要配置pycaffe，那么，请按照win7系统安装python，并按照Pycharm集成开发环境安装python

安装完python后，再安装一下protobuf，因为后面编译pycaffe时有需要：

  • 利用pip工具安装protobuf：pip install protobuf
    这里写图片描述

5. 安装matlab (optional)

如果你的本机没有安装matlab ，并且你需要配置matcaffe，那么，请安装matlab，具体安装方法请自行查阅

6.修改配置文件

在github上下载的window caffe把呢你自带一个配置文件的例子，在进行编译之前，需要先更改该文件内容

6.1 解压缩下载的caffe-windows文件

这里假设caffe-windows被解压到了如下的文件夹中
这里写图片描述

6.2 进入到windows文件夹

这里写图片描述

6.3 复制配置文件，并重命名

将该文件夹（即.\windows）下的CommonSettings.props.example文件复制一份儿，并将复制的文件命名为CommonSettings.props
- 这里写图片描述

6.4 修改配置文件（修改工程的属性文件）

6.4.1 配置文件说明

  • caffe-windows自带的配置文件CommonSettings.props.example中与我们后面要进行的编译密切相关的就是如下部分
    这里写图片描述

  • 例子中所有配置参数都是默认值

  • CpuOnlyBuild：是否使用CPU

    • 默认值为False（即使用GPU编译）
    • 如果本机没有配置好CUDA，那么，该值应该赋值为True；
    • 如果本机已经配置好CUDA，并且需要编译CUDA版本的caffe，那么，该值应该赋值为True、

  • UseCuDNN：是否使用CuDNN

    • 默认值为True；
    • 如果本机没有配置好CUDA，那么，该值应该赋值为False；
    • 注意：CpuOnlyBuild和CuDNN不能同时为True；
    • 如果这里设置为True，那么还需要对<CuDnnPath></CuDnnPath>赋值，即下载的CuDNN的路径

  • CudaVersion：CUDA的版本

  • PythonSupport：是否支持python

    • 默认值为False，即后续不编译pycaffe；
    • 如果需要编译pycaffe，那么该值设置为True
    • 如果这里设置为true，那么还需要对 <PythonDir>C:\Miniconda2\</PythonDir>赋值
      • 上面的值是默认的，应该修改为本机的python安装路径，也就是python.exe所在路径，例如，本机是利用Anaconda安装的python，路径如下：D:\program file\Anaconda2 ，那么，应该令<PythonDir>D:\program file\Anaconda2</PythonDir>
        这里写图片描述

  • MatlabSupport：是否支持matlab

    • 默认值为False；
    • 如果需要编译matcaffe，那么该值设置为True
    • 如果该值设置为true，那么还需要对<MatlabDir>C:\Program Files\MATLAB\R2014b</MatlabDir>进行赋值：
      • 上面的路径是默认的，需要更改为本机的matlab安装目录，例如，本机的matlab安装路径如下：D:\Program Files\MATLAB\R2014b，那么，<MatlabDir>D:\Program Files\MATLAB\R2014b</MatlabDir>
        这里写图片描述

6.4.2 非CUDA版本的caffe

配置文件部分设置如下：

    <PropertyGroup Label="UserMacros">
        <BuildDir>$(SolutionDir)..\Build</BuildDir>
        <!--NOTE: CpuOnlyBuild and UseCuDNN flags can't be set at the same time.-->
        <CpuOnlyBuild>true</CpuOnlyBuild>
        <UseCuDNN>false</UseCuDNN>
        <CudaVersion>7.5</CudaVersion>
        <!-- NOTE: If Python support is enabled, PythonDir (below) needs to be
         set to the root of your Python installation. If your Python installation
         does not contain debug libraries, debug build will not work. -->
        <PythonSupport>false</PythonSupport>
        <!-- NOTE: If Matlab support is enabled, MatlabDir (below) needs to be
         set to the root of your Matlab installation. -->
        <MatlabSupport>false</MatlabSupport>
        <CudaDependencies></CudaDependencies>

        <!-- Set CUDA architecture suitable for your GPU.
         Setting proper architecture is important to mimize your run and compile time. -->
        <CudaArchitecture>compute_35,sm_35;compute_52,sm_52</CudaArchitecture>

        <!-- CuDNN 3 and 4 are supported -->
        <CuDnnPath></CuDnnPath>
        <ScriptsDir>$(SolutionDir)\scripts</ScriptsDir>
    </PropertyGroup>
    <PropertyGroup Condition="'$(CpuOnlyBuild)'=='false'">
        <CudaDependencies>cublas.lib;cuda.lib;curand.lib;cudart.lib</CudaDependencies>
    </PropertyGroup>

    <PropertyGroup Condition="'$(UseCuDNN)'=='true'">
        <CudaDependencies>cudnn.lib;$(CudaDependencies)</CudaDependencies>
    </PropertyGroup>
    <PropertyGroup Condition="'$(UseCuDNN)'=='true' And $(CuDnnPath)!=''">
        <LibraryPath>$(CuDnnPath)\cuda\lib\x64;$(LibraryPath)</LibraryPath>
        <IncludePath>$(CuDnnPath)\cuda\include;$(IncludePath)</IncludePath>
    </PropertyGroup>

    <PropertyGroup>
        <OutDir>$(BuildDir)\$(Platform)\$(Configuration)\</OutDir>
        <IntDir>$(BuildDir)\Int\$(ProjectName)\$(Platform)\$(Configuration)\</IntDir>
    </PropertyGroup>
    <PropertyGroup>
        <LibraryPath>$(OutDir);$(CUDA_PATH)\lib\$(Platform);$(LibraryPath)</LibraryPath>
        <IncludePath>$(SolutionDir)..\include;$(SolutionDir)..\include\caffe\proto;$(CUDA_PATH)\include;$(IncludePath)</IncludePath>
    </PropertyGroup>
    <PropertyGroup Condition="'$(PythonSupport)'=='true'">
        <PythonDir>C:\Miniconda2\</PythonDir>
        <LibraryPath>$(PythonDir)\libs;$(LibraryPath)</LibraryPath>
        <IncludePath>$(PythonDir)\include;$(IncludePath)</IncludePath>
    </PropertyGroup>
    <PropertyGroup Condition="'$(MatlabSupport)'=='true'">
        <MatlabDir>C:\Program Files\MATLAB\R2014b</MatlabDir>
        <LibraryPath>$(MatlabDir)\extern\lib\win64\microsoft;$(LibraryPath)</LibraryPath>
        <IncludePath>$(MatlabDir)\extern\include;$(IncludePath)</IncludePath>
    </PropertyGroup>
   
   
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53

   
   
   
   
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53

6.4.3 CUDA版本的caffe

配置文件部分设置如下：

    <PropertyGroup Label="UserMacros">
        <BuildDir>$(SolutionDir)..\Build</BuildDir>
        <!--NOTE: CpuOnlyBuild and UseCuDNN flags can't be set at the same time.-->
        <CpuOnlyBuild>false</CpuOnlyBuild>
        <UseCuDNN>ture</UseCuDNN>
        <CudaVersion>7.5</CudaVersion>
        <!-- NOTE: If Python support is enabled, PythonDir (below) needs to be
         set to the root of your Python installation. If your Python installation
         does not contain debug libraries, debug build will not work. -->
        <PythonSupport>true</PythonSupport>
        <!-- NOTE: If Matlab support is enabled, MatlabDir (below) needs to be
         set to the root of your Matlab installation. -->
        <MatlabSupport>true</MatlabSupport>
        <CudaDependencies></CudaDependencies>

        <!-- Set CUDA architecture suitable for your GPU.
         Setting proper architecture is important to mimize your run and compile time. -->
        <CudaArchitecture>compute_35,sm_35;compute_52,sm_52</CudaArchitecture>

        <!-- CuDNN 3 and 4 are supported -->
        <CuDnnPath>D:\software\caffe-vs\cuda-cuDNN</CuDnnPath>
        <ScriptsDir>$(SolutionDir)\scripts</ScriptsDir>
    </PropertyGroup>
    <PropertyGroup Condition="'$(CpuOnlyBuild)'=='false'">
        <CudaDependencies>cublas.lib;cuda.lib;curand.lib;cudart.lib</CudaDependencies>
    </PropertyGroup>

    <PropertyGroup Condition="'$(UseCuDNN)'=='true'">
        <CudaDependencies>cudnn.lib;$(CudaDependencies)</CudaDependencies>
    </PropertyGroup>
    <PropertyGroup Condition="'$(UseCuDNN)'=='true' And $(CuDnnPath)!=''">
        <LibraryPath>$(CuDnnPath)\cuda\lib\x64;$(LibraryPath)</LibraryPath>
        <IncludePath>$(CuDnnPath)\cuda\include;$(IncludePath)</IncludePath>
    </PropertyGroup>

    <PropertyGroup>
        <OutDir>$(BuildDir)\$(Platform)\$(Configuration)\</OutDir>
        <IntDir>$(BuildDir)\Int\$(ProjectName)\$(Platform)\$(Configuration)\</IntDir>
    </PropertyGroup>
    <PropertyGroup>
        <LibraryPath>$(OutDir);$(CUDA_PATH)\lib\$(Platform);$(LibraryPath)</LibraryPath>
        <IncludePath>$(SolutionDir)..\include;$(SolutionDir)..\include\caffe\proto;$(CUDA_PATH)\include;$(IncludePath)</IncludePath>
    </PropertyGroup>
    <PropertyGroup Condition="'$(PythonSupport)'=='true'">
        <PythonDir>D:\File Program\Anaconda\</PythonDir>
        <LibraryPath>$(PythonDir)\libs;$(LibraryPath)</LibraryPath>
        <IncludePath>$(PythonDir)\include;$(IncludePath)</IncludePath>
    </PropertyGroup>
    <PropertyGroup Condition="'$(MatlabSupport)'=='true'">
        <MatlabDir>D:\File Program\Matlab\</MatlabDir>
        <LibraryPath>$(MatlabDir)\extern\lib\win64\microsoft;$(LibraryPath)</LibraryPath>
        <IncludePath>$(MatlabDir)\extern\include;$(IncludePath)</IncludePath>
    </PropertyGroup>
   
   
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53

   
   
   
   
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53

注：事实上，对cuDNN路径的配置有两种方案：
- 方案1：将cuDNN v4的压缩包内的bin、include、lib中的文件分别放置在%CUDA_PATH% （即cuda的安装路径）的相应目录中
- 方案2：将 .\windows\CommonSettings.props文件中的CuDnnPath设置为该解压缩路径，例如，将cuDNN解压后文件放置在D:\software\caffe-vs\cuda-cuDNN中，那么，在CommonSettings.props中，令<CuDnnPath>D:\software\caffe-vs\cuda-cuDNN\</CuDnnPath>，即上面提到的方法

7 编译caffe

7.1 打开名称为Caffe的解决方案

利用VS2013打开名称为Caffe的解决方案
这里写图片描述

7.2 编译libcaffe项目

  • 首先编译libcaffe项目（其他的项目依赖于libcaffe项目）

  • 右键libcaffe，选择生成，开始编译libcaffe
    这里写图片描述
    …
    这里写图片描述
    …

  • 还原NuGet包，即从网络下载编译需要的各种依赖包
    这里写图片描述

  • 经过一段时间等待后，编译成功
    这里写图片描述

  • 这里有两个需要注意的地方：
    （1）编译过程中，可能会出现错误
    error C2220: 警告被视为错误 - 没有生成“object”文件
    这里写图片描述
    这里写图片描述
    错误的原因是编译过程中出现了警告，而导致编译无法进行，此时，需要进行如下修改：
    这里写图片描述
    即：设置项目属性，不要将警告视为错误
    右键->项目属性->C/C++->常规->将警告视为错误 设为否
    另外，有一次在另外一个机器上出现了同样的问题，但按照上述方法却未解决，是因为文件的代码页为英文，而我的系统中的代码页为中文，解决方案：利用VS打开出错的文件->重新保存->重启vs->重新编译libcaffe->问题解决。
    （2）caffe编译过程中，需要一些依赖包，在有网络的情况下，当编译第一个项目libcaffe时，程序会自动从网路下载这些依赖包，下载到与caffe-windows文件夹同级的NugetPackages文件夹中，下图所示即为程序自动下载的依赖包
    这里写图片描述
    但在没有网络情况下，需要事先将这些依赖包下载好，并将它们的路径在vs的管理NuGet程序包中进行设置：工具->选项->NuGet Package Manager->程序包源->利用右侧的加号添加本地的package
    这里写图片描述
    …
    这里写图片描述
    手动添加这些package地址后，还需要手动对这些NuGet Package进行安装
    （3）另外，第二次编译过程出现如下错误
    这里写图片描述
    发现是下载的NegetPackages\glog.0.3.3.0下载缺少两个文件:

    • glog.overlay-x64_v120_Release_dynamic.0.3.3.0
    • glog.overlay-x64_v120_Debug_dynamic.0.3.3.0
      将第一次下载得到的这两个文件放入该文件夹，问题解决
      注：这里的“第一次下载得到的这两个文件”是指NugetPackages中的glog.0.3.3.0文件夹下的两个文件，见下图
      这里写图片描述

7.3 编译caffe项目

同样，在caffe项目处右键生成

F:\GenderRecognition\caffe-master\caffe-master\include\caffe工程记得包含该目录


7.4 编译pycaffe

直接在项目pycaffe右键，点击生成即可

7.5 编译matcaffe

直接在项目matcaffe右键，点击生成即可

  • 第二次在编译matcaffe时，出现如下错误：
    这里写图片描述

    • 即编译matcaffe提示说找不到mex.h
    • 将matlab_root/extend/include目录添加到matcaffe项目的include目录中，问题解决

  • 上面这个问题解决后，又出现了另外一个错误
    这里写图片描述

    • 即链接器找不到libmx.lib（matlab的静态链接库），查看VC++库目录，没有发现设置问题
      这里写图片描述
    • 不知道为什么会这样， 想了一个临时的解决方便，将matlab安装路径下的\extern\lib\win64\microsoft添加到matcaffe项目->链接器->常规->附加目录中，然后再次编译，成功；这是因为编译程序无法找到matlab的相关静态链接库的原因；

  • 后来经过仔细查询，发现，原来是因为配置文件CommonSettings中的matlabDir不小心填写错误了，才会导致上面两个问题！将此处改正，上面2个问题成功解决，matcaffe编译成功

    <PropertyGroup Condition="'$(MatlabSupport)'=='true'">
        <MatlabDir>D:\Program Files\MATLAB\R2014b</MatlabDir>
        <LibraryPath>$(MatlabDir)\extern\lib\win64\microsoft;$(LibraryPath)</LibraryPath>
        <IncludePath>$(MatlabDir)\extern\include;$(IncludePath)</IncludePath>
    </PropertyGroup>
   
   
  • 1
  • 2
  • 3
  • 4
  • 5

   
   
   
   
  • 1
  • 2
  • 3
  • 4
  • 5

这里写图片描述

7.6 编译其他项目

接下来，再依次编译其他项目，同样的方法

  • classification：用来分类
  • compute_image_mean：计算均值
  • convert_cifar_dat：对cifat数据集进行转换
  • convert_mnist_data：对mnist数据集进行转换

8.运行第一个caffe测试程序

为了测试编译好的caffe能否正常使用，需要进行测试，主要利用mnist数据集进行分类问题的测试

（1）下载测试数据集
这里写图片描述

（2）修改配置文件
进入文件夹D:\software\caffe-vs\caffe-windows\examples\mnist，即examples路径下的mnist文件夹
这里写图片描述
① 打开lenet_solver.prototxt
设置网络配置文件路径，这里使用了绝对路径，相对路径还没有尝试
这里写图片描述
② 打开lenet_train_test.prototxt
这里写图片描述
（3）运行caffe程序，具体地
① 打开cmd命令行，cd到caffe-windows的.\Build\x64\Debug路径下，在该路径下，可以直接执行caffe.exe
D:\software\caffe-vs\caffe-windows\Build\x64\Debug
这里写图片描述
或者，为了方便，可以将caffe的路径添加到环境变量Path中，这样，cmd就可以直接识别caffe命令了
这里写图片描述

② 运行caffe

caffe train -solver lenet_solver.prototxt
   
   
  • 1

   
   

    
    
   
   

   
   
  • 1

注意，因为上一步已经将D:\software\caffe-vs\caffe-windows\Build\x64\Debug路径添加到环境变量PATH中了，所以，这里可以直接使用caffe.exe

下面两步主要配置cuDnn、python和matlab，具体配置时，应该在4.5之前进行

9. 配置python (optional)

如果已经编译好pycaffe，那么，为了能够在python使用caffe，还需要在python中进行一些相关配置

  • 添加环境变量
    • 在环境变量的用户变量中，新建用户变量，变量名“PythonPath”，变量值“caffe_root\Build\x64\Release\pycaffe”
    • 或者将文件夹\Build\x64\Release\pycaffe\caffe 复制到\lib\site-packages.

10.配置matlab (optional)

如果已经编译好matcaffe，那么，为了能够在matlab使用caffe，还需要在matlab中进行一些相关配置

  • 添加环境变量

    • 将<caffe_root>\Build\x64\Release\matcaffe路径添加到matlab的搜索路径中
    • 将<caffe_root>\Build\x64\Release路径添加到环境变量PATH中

    After you have built solution with Matlab support, in order to use it you have to:

    add the generated matcaffe folder to Matlab search path, and
    add \Build\x64\Release to your system path.

    这里写图片描述

最后来张图

这里写图片描述

注：发现一篇写的比较好的博客
http://m.blog.csdn.net/article/details?id=50819464

csu_summer
关注
【win10+cuda7.5+cudnn6.0安装caffe②】安装Visual Studio 2013和caffe
菜鸟博客
02-11 250
一、自行安装Visual Studio 2013 后续更新链接 二、下载caffe 从Microsoft官方Github上下载Caffe的源码压缩包。微软移植了Caffe,在windows下面做了些调整，使得我们的安装配置会比较简单一点。 下载地址：https://github.com/Microsoft/caffe 三、编译安装caffe 1.解压下载的压缩包 2.将①中cudnn解压后的cuda复制到caffe-master的同级目录 3.打开caffe-master/window目录，复
caffe+windows10+VS2013编译过程
11-23
在本篇文档中，我们将详细介绍如何在Windows 10操作系统下利用Visual Studio 2013（简称VS2013）编译配置Caffe，并结合CUDA及cuDNN加速计算过程。本文档旨在为那些希望在Windows环境下进行深度学习研究与开发的用户...
windows7+visual studio 2013+CUDA7.5 编译caffe+配置matcaffe+配置pycaffe
tina的博客
06-25 2万+
经过朋友指导，终于成功在windows7上成功编译了caffe，这里将编译过程记录安装文件准备 1 visual studio 2013安装包下载 2 CUDA75 optional 3 windows版本caffe 4 下载cuDNN optional 5 下载Anaconda安装包 optional 6 下载Matlab安装包 optional 安装visual studio 2013 安装c
pycaffe编译
weixin_30673611的博客
03-18 218
环境：ubuntu14.04 python2.7 caffe已经成功编译 1，首先确保pip已经安装 sudo apt-get install python-pip 2，在caffe-master/python 下有一个requirement.txt，里面有所需要安装的所有库。 cd caffe-master/python for req in $(cat requi...
Microsoft版windows的caffe编译matcaffe接口
weixin_42279610的博客
11-27 340
https://blog.csdn.net/jizhidexiaoming/article/details/80147755 这个版本的windows下得caffe用https://blog.csdn.net/u010498986/article/details/56484848?utm_source=blogxgwz3上面的方法就可以配置好matcaffe接口。 如何在编译的过程中报错，...
windows编译pycaffe
ture_dream的博客
10-01 549
要在caffe-windows自带的配置文件CommonSettings.props.example中修改两处： 1： 2： 然后分别编译libcaffe  , pycaffe.
Ubuntu14.04下编译pycaffe并绘制网络结构图
m_buddy的博客
11-09 858
前言由于课题需要，编译了Caffe的python接口。下面的博客内容就将整个过程和遇到的问题记录下来，若是各位看官遇到了相似的情况可能会给你带来帮助。1. 环境准备sudo apt-get update sudo apt-get install python-pip puthon-dev python numpy sudo apt-get install python-pip python-dev
Caffe+VS2013+CUDA7.5+opencv2.4.10快速配置
11-27
在本文中，我们将详细介绍如何在Windows环境下快速配置Caffe库，使用Visual Studio 2013和CUDA 7.5，以及配合OpenCV 2.4.10进行开发。这个过程涉及到的主要步骤包括OpenCV的配置、CUDA的安装、第三方库的下载以及...
Windows下Caffe快速配置教程：CUDA7.5 + OpenCV2.4.10
总结来说，这篇教程为Windows用户提供了从安装OpenCV和CUDA，到整合预编译Caffe库，以及在Visual Studio中正确配置项目的完整指南。通过遵循这些步骤，用户可以减少在Windows环境下配置Caffe的复杂性和潜在问题，...
win10+VS2015+pycaffe编译
jacke121的专栏
10-11 3659
这里的环境是WIN10+cuda v8 +cudnn v6 + opencv + pycharm+VS2015使用的是GPU，我的GPU是titan 6G+内存16G首先是caffe的文件以及第三方库的编译，这里提供一个已经编译好的的连接：但是这个网址上的编译教程有漏洞，编译步骤我总结如下：1.下载：https://github.com/happynear/caffe-windowsRequire...
caffe库+pycaffe接口的编译（Windows 版+cpu）
penghejuan2012的博客
03-19 563
环境：win7（64bit）+vs2013一、准备工作：1、下载源码：https://github.com/microsoft/caffe。2、下载anaconda2.7版本，https://www.anaconda.com/download/。选择与自己电脑位数相同的x86-64bit,3、然后安装anaconda，安装的时候注意，一定要选择兼容VS code,系统不会提示你是否要安装。否则编译...
用Visual Studio 2013(VS2013)调用Caffe(注意：不是编译Windows版的Caffe)
jnulzl的专栏
02-26 5582
一、本文的由来对于大多数人来说，直接编译Windows版的Caffe基本就可以满足需求了。不过，对于那些想深入Caffe源码并根据自己需求进行修改的人们来说，如何用VS编译、调试Caffe代码可能有些困难，本文就是为了解决这个问题而写的。本文主要内容是关于如何用VS2013调用Caffe的开发环境，最后用Caffe源码中“tools”文件下的“extract_features.cpp”成功进行了测试
【Caffe】Linux配置Pycaffe
小小小草儿的博客哟
05-24 1024
1.caffe源码 使用git命令将github上caffe最新的代码下载下来。 （1）安装git： sudo add-apt-repository ppa:git-core/ppa sudo apt-get update sudo apt-get install git 查看版本信息： git --version （2）下载源代码： git clone https://gi...
win7（64位）+VS2013+CUDA7.5+caffe 环境配置
changanlvren的专栏
09-20 1625
对于有一定C++编程经验却没怎么碰过Python的人来说，要想学习deep learning，估计首选caffe。而且微软提供的官方Windows版本的caffe极大简化了配置的步骤。本教程是对我自己搭建caffe环境的过程的整理。 目前网上的教程已经比较多，但是对于新手小白来说，有点看花眼，而且已有的blog赶不上软件和库的更新速度，很多已经过时了。反观我配置caffe的过程，并不是那么困难，
caffe学习入门：pycaffe的使用
热门推荐
HAHA的专栏
03-19 3万+
caffe学习入门：pycaffe的使用       caffe的官方完美的支持python语言的兼容，提供了pycaffe的接口。用起来很方便，首先来看一下最常用到的：caffe的一个程序跑完之后会在snapshot所指定的目录下产生一个后缀名为caffemodel的文件，这里存放的就是我们在训练网络的时候得到的每层的参数信息，具体访问由net.params['layerName'][
NuGet Error:Unable to find version ‘0.3.3.0‘ of package ‘glog.overlay-x64_v120_Release_dynamic‘.
qq_37975919的博客
11-09 3036
问题： 使用VS2013生成caffe解决方案时，报错NuGet Error:Unable to find version '0.3.3.0' of package 'glog.overlay-x64_v120_Release_dynamic'. 解决方案： 一、参考文章里面的回答： 链接：NuGet error while building caffe on Windows with visual studio 2013 地址：https://stackoverflow.com/questions/396
Madagascar与matlab间数据交互
最新发布
qq_53212393的博客
03-22 809
基于madagascar和matlab的数据交互
matlab 2016b caffe,请教：在Win7+VS 2013+Matlab R2016b上编译Caffe时遇到问题
weixin_42506752的博客
04-09 365
各位大神好，本人为Caffe应用的菜鸟级玩家，今天在编译Caffe时遇到了很多的问题，特来贵处向大家请教一下，我的应用环境参数列表如下：操作系统：Windows 7 家庭高级版 Service Pack 1；VS版本：Microsoft Visual Studio Ultimate 2013；CUDA版本：cuda_8.0.44_windows.exe；cuDNN版本：cudnn-8.0-wind...
评论
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