一、caffe 简介
Caffe的全称应该是Convolutional Architecture for Fast Feature Embedding,它是一个清晰、高效的深度学习框架,它是开源的,核心语言是C++,它支持命令行、Python和Matlab接口,它既可以在CPU上运行也可以在GPU上运行。它的license是BSD 2-Clause。
Deep Learning比较流行的一个原因,主要是因为它能够自主地从数据上学到有用的feature。特别是对于一些不知道如何设计feature的场合,比如说图像和speech。
Caffe的设计:基本上,Caffe follow了神经网络的一个简单假设----所有的计算都是以layer的形式表示的,layer做的事情就是take一些数据,然后输出一些计算以后的结果,比如说卷积,就是输入一个图像,然后和这一层的参数(filter)做卷积,然后输出卷积的结果。每一个layer需要做两个计算:forward是从输入计算输出,然后backward是从上面给的gradient来计算相对于输入的gradient,只要这两个函数实现了以后,我们就可以把很多层连接成一个网络,这个网络做的事情就是输入我们的数据(图像或者语音或者whatever),然后来计算我们需要的输出(比如说识别的label),在training的时候,我们可以根据已有的label来计算loss和gradient,然后用gradient来update网络的参数,这个就是Caffe的一个基本流程。
转至:https://blog.csdn.net/qq_27923041/article/details/77431833
二、当前电脑配置
cuda9.0 + cudnn7 + python35 + vs2013
三、caffe 安装
1. 下载 caffe
地址:https://github.com/Microsoft/caffe
解压
打开 windows 文件,复制备份CommonSettings.props.example,并改名为CommonSettings.props,如图
2. 修改文件
建议在vs2013打开CommonSettings.props文件,需要设置的地方如下所示。
3. 安装 cuda 和 cudnn
由于我之前搭建 tensorflow 的时候已经安装了 cuda9.0 、 cudnn7,因此跳过此步骤。
-
GPU计算环境准备(没有GPU的同学可以跳过此步),下载并安装CUDA7.5
-
下载cuDNN,官网下载cuDNN需要先注册,而且要填一些调查表,建议直接从链接:http://download.csdn.net/detail/guoyk1990/9661583 下载,下载后解压会有三个文件夹bin、include、lib。将这三个文件夹复制到cuda的安装目录中\NVIDIA GPU ComputingToolkit \CUDA\v7.5。(cuda的安装目录中也有这三个文件夹,将这三个文件夹分别与原来存在的文件夹合并,如下图所示)。
参考:https://blog.csdn.net/daiaiji/article/details/73917751
4. 编译caffe-windows
用 vs2013 打开 .\windows\Caffe.sln 并将解决方案的配置改为 release
点菜单栏上的“生成->生成解决方案”,会将整个项目全部生成,这个时间会比较长(由于官方 caffe-windows 的版本使用了 NuGet 管理第三方开发包,所以需要在 vs2013 上安装 NuGet,官方网站下载速度比较慢),可以在 工具 --> 扩展和更新 中安装 NuGet
生成失败