caffe 在 windows 使用

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python.exe，conda.exe，git，等在readme.md 提到的命令所在路径添加到path 路径，还要安装一些依赖，也在readme.md 里面找到要安装什么。

2、在github中搜索caffe，将分支由 master 改为 windows，下载 仓库到 桌面，可以看到Scripts 文件夹中有个 build_win.cmd 文件，打开这个文件，按照箭头指示更改6处，我选择了CPU模式，用VS2013编译，实际上，我下载了编译好的 VS2013 release 版本，我编译不对但是又需要的文件，就会在这里面找，是可以用的。

 

3、接下来，执行了build_win.cmd 后，会在 scripts 中生成build 文件夹，里面就有 Caffe.sln 文件，打开它就可以执行 生成 命令。如果执行build_win.cmd 命令有错误，在更改了错误以后，记得删除 Cmakecach.txt 及 build 文件夹，然后再重新执行。

4、 caffe.sln 工程生成命令执行以后，将 生成的.dll 文件，拷贝到 windows/system32，或者 windows/system64，或者是 windows 目录下（这个目录具体是什么我忘了，以前装 opencv 拷贝过哈）

5、我还下载了 happpyyear 的 caffe-windows-ms.zip，使用这个版本的话，还需要去网上下载 thirdparty 文件夹，应该是它的第三方依赖库，然后编译，先编译 libcaffe，将“将警告视为错误”这个属性改为“否”。就可以用了。

 

第二部分  mnist 在windows 下使用。

1、下载 mnist 数据集，然后解压在桌面的 mnist 文件夹内。

2、 利用生成的

convert_mnist_data-d.exe 程序，将 utype 文件 及其 对应标签 转化为 lmdb 格式文件，找不到convert_mnist_data.d.exe 这个程序，就去 下载好的 debug 版本中找。

C:\Users\hanxinle\Desktop\caffe-windows\scripts\build\examples\mnist\Debug\convert_mnist_data-d.exe C:\Users\hanxinle\Desktop\mnist\t10k-images.idx3-ubyte C:\Users\hanxinle\Desktop\mnist\t10k-labels.idx1-ubyte C:\Users\hanxinle\Desktop\mnist\minist_lmdb 
pause

　　

C:\Users\hanxinle\Desktop\caffe-windows\scripts\build\examples\mnist\Debug\convert_mnist_data-d.exe C:\Users\hanxinle\Desktop\mnist\train-images.idx3-ubyte C:\Users\hanxinle\Desktop\mnist\train-labels.idx1-ubyte C:\Users\hanxinle\Desktop\mnist\minist_train_lmdb 
pause

　　

 3、将训练集和测试集都转换完毕后，找到 lenet_train_test.prototxt，这个文件的内容是 lenet 的网络架构信息，添加训练文件集合测试文件集所在的路径。

4、 找到 lenet_solver.prototxt 文件，这个文件又叫做超参数文件，它描述的是网络训练的相关参数。我在这里一共修改了两处，一处是 添加 网络的描述信息 完整路径，另一处是 CPU 模式，如下图。

5、接下来就可以执行训练命令了，caffe.exe 我开始并没有找到，直接从下载好的文件夹拷贝过来，照样使用。注意：刚刚所有的修改要注意一点，将 \ 改为 / ，在路径中如果不修改，会出现很多莫名其妙的问题，其次，文件夹命名不要有空格，可以带下划线取代空格。

C:\Users\hanxinle\Desktop\caffe-windows\scripts\build\caffe\caffe.exe train -solver=C:/Users/hanxinle/Desktop/caffe-windows/examples/mnist/lenet_solver.prototxt 
pause

 

6、生成均值产生器，用于识别手写识别。

C:\Users\hanxinle\Desktop\caffe_vs2013_cpu\bin\compute_image_mean.exe C:/Users/hanxinle/Desktop/mnist/minist_train_lmdb C:\Users\hanxinle\Desktop\mnist\mean.binaryproto
pause 

7、制作 待识别的图片，28x28的灰度图片，制作labels.txt文件，9行1列，从0-9，然后执行识别命令

C:\Users\hanxinle\Desktop\caffe_vs2013_cpu\bin\classification.exe C:\Users\hanxinle\Desktop\caffe-windows\examples\mnist\lenet.prototxt C:\Users\hanxinle\Desktop\bat\lenet_iter_10000.caffemodel C:\Users\hanxinle\Desktop\mnist\mean.binaryproto C:\Users\hanxinle\Desktop\mnist\labels.txt C:\Users\hanxinle\Desktop\test\77.jpg
pause

8、 制作 28x28图片，需要借助 matlab 和 画图来完成，方法如下：

画图得到 28x28 jpg 文件，

在MATLAB中，执行 A = imread('1.jpg');

                                 A  = 255 - rgb2gray(A);

                                imwrite(A,'11.jpg');

具体可以翻看下以前的教程文件。

 

转载于:https://www.cnblogs.com/hanxinle/p/8992777.html