caffe总结(一)
在安装windows版caffe的时候,主要参考上述两篇博客,很快弄好了,非常感谢作者的分享!
本文主要讲解如何配置caffe的windows运行环境,为后续CNN的训练提供帮助。
第一次写关于caffe的总结,也是正在学习者,如有误,欢迎指正与探讨!
一、caffe的硬件选择
主要介绍关于CPU、GPU及内存选择可能涉及的内容,后文是基于GPU训练的环境配置要求。
1、CPU的选择
caffe支持CPU训练和GPU训练,根据训练方式配置硬件,本人目前遇到的模型基于GPU较多,更快。
如果选用CPU训练,CPU支持的线程数越多越好。caffe本身显性的使用两个线程,一个线程用于读取数据,一个线程用于forward和backword。如果选用GPU训练的话,大量运算在GPU中进行,cpu则没有特殊要求。
2、GPU的选择
选用GPU训练,需要一个合适的显卡,caffe只支持Cuda库,因此需要选购NVIDIA卡。
最好选择GTX980以上的显卡,保证能够正常训练。小型网络所需显存不会超过4g,运行大型网络相对需要更好的显卡。
同时注意,caffe的确支持两种不同类型的显卡同时训练,但两张显卡训练速度均是以较慢的显卡的速度。血亏呀!
3、内存的选择
COU训练的话,需要较高频率的内存卡。而GPU训练的话对内存卡要求不高,一般即可。
建议GPU的内存容量为CPU的内存容量的两倍,8g起步,建议16g及以上。
二、安装显卡驱动
1、下载
下载地址 http://www.nvidia.cn/Download/index.aspx?lang=cn
下载选项:(以GTX 1060为例)
2、安装
一直点下一步就可以了,安装完成之后重启电脑。安装之中有可能会出现黑屏,稍等一会,如果还不能恢复,直接重启,一般也是安装成功了。
三、安装VS2013
1、下载
版本非常重要,下载地址转 https://blog.csdn.net/m0_37477061/article/details/83447773
2、安装
一直点下一步就安装成功了。
注:一定要是VS2013,其他版本的VS不能编译caffe
3、将VS的cl.exe所在路径添加至环境变量
VS的安装路径下有一个VC文件夹,将其中的bin目录添加值环境变量(该目录下有cl.exe),路径参考如下:(以默认安装路径为例)
C:\Program Files (x86)\Microsoft Visual Studio 12.0\VC\bin
四、 安装Anaconda2
1、下载
下载地址:https://www.anaconda.com/distribution/#windows
下载选项:根据电脑位数选择64还是32,选择版本2.7还是3.7均可,建议2.7。
2、安装
安装路径为:
注:建议安装在C盘,装在其他盘容易出问题
C:\Anaconda2
其他默认即可。
3、opencv环境
把cv2.pyd文件放入C:\Anaconda2\Lib\site-packages文件夹中
cv2.pyd下载地址:(百度网盘下载地址)
链接:https://pan.baidu.com/s/1OIk5fgo26ehvh09OTZpFQw
提取码:g4ok
如果不能用,这里有一个别人收费的地址:https://download.csdn.net/download/amanfromearth/10395218
4、添加系统路径(可选)
(这一步的目的是除了使用Anaconda Prompt之外打开cmd也可以使用python)
右键点击我的电脑,按如图所示把Anaconda2加入到系统路径中
5、安装Microsoft Visual C++ Compiler for Python 2.7
这个时候还缺少C++对于python2.7的编译器,所以需要安装。
下载地址:https://www.microsoft.com/en-us/download/details.aspx?id=44266
下载选项:
下载之后双击安装即可。
五、 安装CUDA8.0
1、下载
下载地址: https://developer.nvidia.com/cuda-80-download-archive
2、安装
一直点下一步即可。安装完成之后要重新启动电脑。
六、 cuDNN5
1、下载
下载地址:https://developer.nvidia.com/cudnn(需登录)
下载选项:
2、解压
解压后,会有一个cuda文件夹,等会用。
七、安装Caffe
1、下载
下载地址:https://github.com/Microsoft/caffe
下载选项:
2、解压
解压到C:\caffe-master,把第五步得到的cuda文件夹拷贝到caffe-master文件夹中。
3、安装
(1)打开C:\caffe-maste\windows文件夹,将其中CommonSettings.props.example文件复制一份,重命名为CommonSettings.props
(2)用文本编辑器打开CommonSettings.props
- a. 把其中的CudaVersion改为8.0
- b. 把PythonSupport改为true
- c. 把CuDnnPath改为刚才拷贝cuda文件夹的地址,即C:\caffe-master
- d. 将CudaArchitecture改成compute_61,sm_61(这里的61是根据1060的计算力得到的,其他显卡的计算力在这里查询:https://developer.nvidia.com/cuda-gpus)
- e. 把PythonDir改为C:\Anaconda2
(3)打开C:\caffe-master\windows路径下的Caffe.sln,添加faster rcnn需要的roi pooling layer - a. 在libcaffe项目下的 cu/layers 文件夹右击,添加——现有项,找到caffe-master\src\caffe\layers下的roi_pooling_layer.cu文件,点击添加
- b. 在libcaffe项目下的 src/layers 文件夹右击,添加——现有项,找到caffe-master\src\caffe\layers下的roi_polling_layer.cpp文件,点击添加
- c. 在libcaffe项目下的 include/layers 文件夹右击,添加——现有项,找到caffe-master\include\caffe\layers下的roi_polling_layer.hpp文件,点击添加
(4)编译libcaffe
选中libcaffe,点击菜单栏的调试-libcaffe属性
- 选择配置属性-常规,把配置改为Releas,平台改为活动(x64)
- 选择C/C++,把将警告视为错误改为否
- 点击确定关闭窗口。
- 右键选择libcaffe,点击生成(会下载依赖项,下载所需要的库,所以需要网络)
- 会过很长一段时间生成成功。
- 成功之后,在caffe-master文件夹中就会有一个Build文件夹。我的里面文件为108个项目。
(5)编译其他
右键解决方案,属性
选择当前选定内容并确定
这里改为Release
右键解决方案,点击生成解决方案
生成成功。
(6) 移动
将caffe-master\Build\x64\Release\pycaffe\caffe文件夹
这样在python中可以import caffe不出错
至此,Caffe安装完成。
所有的配置文件列表