Windows系统下caffe和TensorFlow的安装配置
Windows系统下caffe和TensorFlow的安装配置
环境准备
- Windows10
caffe安装过程
-
-
安装vs2013
-
下载caffe-master的压缩包 链接
最好使用vs2013或者vs2015来编译caffe
-
-
解压缩。解压缩之后会得到一个caffe-master的文件夹,目录结构差不多如下(可能会有点差异):
-
将caffe-master/windows/CommonSettings.props.example重命名为CommonSettings.props,用vs2013打开caffe-master/windows/CommonSettings.props。
-
先进行CPU版本的配置。
-
将CommonSettings.props中的7、8行改为
<CpuOnlyBuild>true</CpuOnlyBuild> <UseCuDNN>false</UseCuDNN>
-
打开调试中libcaffe属性,将配置属性中C/C++中的常规中的“将警告视为错误”改为否,点击应用即可。再将Debug改为Release。
-
直接点击“本地Windows调试器”即可。
-
一般在编译结束之后看到生成成功就行了。或者在caffe-master文件夹中生成了Builld/x64/Release/caffe.exe 也说明生成成功了。
-
比较费力的就是GPU版本的配置了。
-
下载cuda 下载cuda8.0版本 link
-
下载cudnn link
-
下载cuda之后直接进行安装即可,安装过程都默认就好。将C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64以及C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin添加进环境变量。
-
将cudnn中的bin、include、lib文件夹中的文件分别添加至C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0中的bin、include、lib文件夹中。
-
修改CommonSettings.props文件。将7,8行分别改为
<CpuOnlyBuild>false</CpuOnlyBuild> <UseCuDNN>true</UseCuDNN <CudaVersion>8.0</CudaVersion>
再修改第24行(中间是自己的cudnn的存放目录)
<CuDnnPath>F:\caffe\cuDNN</CuDnnPath>
-
编译文件
-
-
python接口的配置。caffe只能使用python2.7版本,所以我使用的anaconda3进行配置。
-
anaconda下载 link
先安装anaconda3,再安装anaconda2
-
安装过程比较简单,需要主要的就是安装的目录。比如:anaconda3的安装目录是D:\Anaconda3,那么anaconda2的安装目录应改为D:\Anaconda3\envs\py2,py2这个名字可以自取,表示这个Python版本的一个别名。
-
安装完成之后,打开命令行,执行
python
可以看到python3.7版本的解释器,要转换到python2.7的版本只需要改变一下环境。
activate py2 python
就可以发现python版本变为2.7了。
取消该环境
conda deactivate
-
修改CommonSettings.props文件。13行改为true,48行改为
<PythonDir>D:\Anaconda3\envs\py2\</PythonDir>
中间是自己py2的安装目录
-
编译成功之后,caffe-master\Build\x64\Release文件夹中会出现pycaffe的文件夹
-
将pycaffe中caffe的文件复制到anaconda2的安装目录py2中的Lib/site-packages中去
-
将pycaffe中caffe的文件复制到caffe-master\python\caffe中去,有重复的替换掉即可
-
然后在命令行中打开py2的环境,执行
python import caffe
没有报错就说明目前的caffe已支持python接口。
-
TensorFlow安装过程
-
打开命令行,执行
conda create -n tensorflow python=3.5
其中tensorflow是自己取得这个python环境的名字,以后要使用这个python3.5环境,只需要activate tensorflow即可。
-
激活tensorflow环境
activate tensorflow
-
安装tensorflow
- 安装CPU版本
pip install --ignore-installed --upgrade tensorflow
- 安装GPU版本
这里我安装的tensorflow版本是1.9.0的,然后还得安装cuda9.0,然后下载对应的cudnn,同之前在caffe安装时的过程一样。pip install --ignore-installed --upgrade tensorflow-gpu==1.9.0
一些检测方法
-
查看电脑上cuda版本:
命令行中输入 nvcc -V
-
查看已安装的tensorflow版本:
命令行中激活该环境之后,
python import tensorflow as tf tf.__version__
-
Anaconda相关操作
-
查看已经安装的python环境:
conda env list或
conda info --envs
-
删除已有的python环境:
conda env remove -n tensorflow
-
小结
配置环境的确有点累人,特别是有时出现一些问题之后是真的很折磨人。我在配置环境上也是吃了很多亏,希望各位能少走一些弯路吧。环境之前配过,写的时候就没有再重新配置一遍,有问题的话欢迎问我,大家一起解决总比一个人摸索要轻松一些。