windows下配置caffe的GPU版本

最新推荐文章于 2019-08-06 20:36:58 发布

July0_zhu

最新推荐文章于 2019-08-06 20:36:58 发布

阅读量1.2k

点赞数

分类专栏： caffe安装文章标签： windows gpu win7

本文链接：https://blog.csdn.net/u013277656/article/details/72470228

版权

caffe安装专栏收录该内容

3 篇文章 0 订阅

订阅专栏

参考网址：http://blog.csdn.net/iseehz/article/details/52434448
Minist数据集测试参考网址：
http://blog.csdn.net/haluoluo211/article/details/52059405

**环境：win7+64位系统
硬件：台式电脑，显卡型号:GTX 1070**

1、安装Anconda
（1）下载地址为：http://www.continuum.io/downloads
一定要安装2.7版本的，3.5版本的需要重新编译boost库，网上并没有现成的，官网也仅仅支持2.X版本的，编译起来挺麻烦的，就没尝试
（2）.安装完将路径添加到环境变量，通过cmd.exe窗口，通过命令conda list查看已安装好的包
这里写图片描述

（3）安装mingw
在cmd.exe窗口，输入 conda install mingw libpython （注意：用命令conda install mingw，最后theano安装完后，输入命令“import theano”会出现：no module named gof 的错误）。mingw安装完后，在D:\Anconda文件下会出现：名为MinGW的文件夹。
（4）theano 安装(不用的用户可忽略此步)
直接在命令窗口中输入命令：conda install theano，会自动安装到anaconda内，被python使用，最后安装成功了会提示：successfully installed theano
（5）配置环境变量
在桌面上我的电脑右键-》属性-》高级系统设置-》环境变量。即可进入环境变量设置界面如下：
这里写图片描述
步骤一、在系统环境变量中选择”变量path”，在后面加入值：c:\Anaconda\MinGW\bin;c:\Anaconda\MinGW\x86_64-mingw32\lib;
步骤二、新建环境变量。变量名为“PYTHONPATH”,变量值为
C:\Anaconda\Lib\site-packages\theano; （同样注意要带分号）
（6）编辑theano的用户文件，并验证是否配置成功
打开C盘-》用户-》当前用户，创建文件名为：“.theanorc.txt”,文件内容为（此内容是基于CPU的）：
这里写图片描述
接着需要做个测试，测试一下自己上面的配置有没有问题，测试开始前，需要重启电脑，因为我们上面配置了环境变量，系统的环境变量设置完了需要重启电脑才能有效果
测试方案：在python命令窗口中输入

import theano
print theano.config.blas.ldflags

没有出错(没有返回值)则说明已经配置成功

2.安装CUDA，CUDNN
上面的theano配置只是完成了上半部分，这个时候还不能进行gpu加速。这个时候我们可以用如下命令：

import theano
theano.test()
测试看一下结果如下，这个时候会跳出PyCUDA的相关错误信息，因为我们还没有安装CUDA。

(1)安装CUDA
下载地址：
cuda: https://developer.nvidia.com/cuda-toolkit-archive
cudnn：https://developer.nvidia.com/rdp/cudnn-download
（需要注册账号）
选择合适的版本即可，我选择的是cuda8.0，相应的cudnn版本选择了v5.1
按照步骤安装即可，CUDA最好选择默认安装路径，安装好之后，将cudnn压缩包解压，复制到相应目录即可。
验证CUDA8.0已正确安装：
打开cmd，输入nvcc -V。结果如下图。

(2)安装cudnn
下载完成后解压。cuda目录下有bin，include，lib三个文件夹。拷贝目录至CUDA8.0的文件夹。分别将cuda\bin、cuda\include、cuda\lib三个目录中的内容拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0对应的bin、include、lib目录下即可。
（3）验证是否安装成功
编译CUDA8.0自带的samples，全部编译花费时间过长，可选择其中一个编译运行，验证安装成功即可
在C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0目录下，用vs2013，打开Samples_vs2013.sln，在Release下，选择deviceQuery进行编译，编译成功即可。

测试CUDA8.0运行是否正常执行
C:\ProgramData\NVIDIACorporation\CUDA\Samples\v8.0\bin\win64\Release目录下的deviceQuery.exe，结果如下图：
这里写图片描述
安装完后系统里会自动添加cuda路径，无需手动添加。

3 安装Caffe

下载Caffe ，地址：https://github.com/BVLC/caffe
打开caffe-master\windows文件夹，复制CommonSettings.props.example，
再将CommonSettings.props.example.副本重命名为CommonSettings.props
（需要先修改配置文件后再打开项目，不然libcaffe和test_all没有加载成功，又会出现新的错误 error C1083: 无法打开包括文件: “caffe/proto/caffe.pb.h”: No such file or directory）。
　　用VS打开此配置文件，按照自己的配置进行设定，由于显卡是1070，使用的是CUDA8.0，所以CudaVersion需要更改。然后就是打开Python和matlab的支持接口的配置，如图：
　　这里写图片描述
　　
进入caffe-windows\windows文件夹，用VS2013打开caffe.lsn。
解决方案后中右击每一个项目，属性→C/C++→常规→把“警告等级”调整为等级3把“将警告视为错误”改成否。如果不设置的话在编译boost库的时候会由于文字编码的警告而报错。
首先编译libcaffe，在libcaffe上右键生成就可以了，这样就会在最开始的Caffe和cuda的文件夹新建一个NugetPackages文件夹，包含所有依赖的库。
这里写图片描述
编译完成后，若出现错误百度即可，若没有出现错误，则继续编译整个解决方案，完成后单独编译pycaffe，将caffe的根目录添加到环境变量。
将编译出的pycaffe目录下的caffe文件夹copy到anaconda的D:\Anaconda\Lib\site-packages中. 这里写图片描述
然后打开cmd.exe进行测试：