caffe总结（一）运行caffe的windows环境配置

参考博客1
参考博客2

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