- 前言
- 资料包下载地址：
- 环境配置
- caffe配置问题
- 1·安装vs2015版本
- 2·安装cmake
- 3·caffe-windows配置
- 4·使用vs2015编译工程
- 6·将编译后的caffe文件打包，作为python可调用的包
- 6·caffe.exe的位置
- 开始第一个工程测试一下能否运行
- 如何打包lmdb文件
caffe可以无代码训练神经网络，是一件利器。然而在windows上安装caffe堪称地狱式摧残。版本之间的差异，必须匹配，各种意想不到的编译错误，让人恼火。之所以安装在windows上纯属是因为电脑不想装linux双系统，来回切换太麻烦。
看了很多的安装caffe的教程，只能说坑！坑！坑！
要么是描述不够细节，一些 *** 作省略了，看见错误一大堆，解决半天；要么是没有资料包，下载半天发现版本不对，推倒重来，我特么的，我就问你这代码保熟吗？他要是不熟该怎么办啊！
百度云盘：
链接：https://pan.baidu.com/s/15KLlRc_87yND4Ymf5zaTkQ
提取码：1234
链接如果挂了留言补
不要慌，下面的资料包里的文件就是
vs2015
CMake3.17.3
caffe_windows
libraries_v140_x64_py35_1.1.0
python3.5版本，anaconda3-2.4.1
如果你的电脑还没有安装python,直接使用资料包里的文件anaconda3-2.4.1安装即可，安装之后就是python3.5版本
这一部分下面的的就不用看了，如果不是，继续看
如果你的电脑里已经安装了其他版本的python,比如我的电脑已经安装了python3.6，还需要安装python3.5版本来运行caffe
那么就创建一个虚拟环境，让3.5版本和3.6版本隔离就行了
虚拟环境可以让python不同版本隔离，可以随时切换版本，非常好用
*** 作如下
创建一个虚拟环境
conda create -n py35 python=3.5
输入命令后会自动创建一个python3.5的虚拟环境
中途会自动解决python3.5的文件配置问题，如果下载中断就重新运行命令，会自动接着上一次的下载
下载好以后可以查看当前存在的虚拟环境
conda info --env
可以看到我们命名为py35，版本为python3.5的虚拟环境已经搭建好了
进入创建的虚拟环境
activate py35
左边会提示这里是名字为py35的虚拟环境，输入python可以看到虚拟环境的python版本
想要退出虚拟环境使用
deactivate
然后左边py35的标志就消失了，使用base代替，代表我们回到了主目录 ，退出了虚拟环境
至此python的版本安装问题解决了，接下来解决caffe的cpu版本的配置问题
有些人可能已经安装了其他版本，但是不好意思，只能用vs2015,没有就安装一下
而且如果直接安装vs2015后期编译caffe的时候也会失败，有一些工具包需要在安装时选择
以下画框的必须选择
然后等待vs2015安装完成就行了
cmake-3.17.3-win64-x64.msi
不要无脑下一步下一步，安装过程中需要设置将他加入环境变量
看到有三个选项的时候，有一个add path选项，勾选，然后等待安装完成
安装后输入cmake，有如下输出就安装成功了
进入caffe-windowsscripts目录下，右键编辑bulid_win.cmd文件，使用记事本打开
找到图中的位置，按照框中的参数修改
需要注意的是python3.5的路径，根据实际情况填写
比如我的是
C:UsersAdministrator.DESKTOP-KMH7HN6Anaconda3envspy35
表示在python3.6版本的虚拟环境py35的目录下
文件下方else下还有需要修改的地方
修改完bulid_win.cmd文件后，再去编辑WindowsDownloadPrebuiltDependencies.cmake文件，依旧使用记事本打开
删除如下段落，58-79行，这里是下载caffe依赖包用的，不一定能下载成功，不用，资料包里有
将资料包里的libraries_v140_x64_py35_1.1.0.tar.bz2文件复制到C:UsersAdministrator.caffedependenciesdownload目录，代替下载的文件，路径不存在就创建
Administrator是我的电脑的路径名字，可能和你的有所不同，自己一看就知道是用户目录下
文件夹名字。caffe比较特别，创建文件时使用点caffe点的形式，创建后就是.caffe，后面的点会自动消失
然后开始执行bulild_win.cmd文件
注意，如果此时该目录下有build文件夹，删掉，那是上一次编译的遗留，不删编译不成功
如果没有，不用管
注意，使用cmd执行该目录下的bulild_win.cmd文件，这样如果出错，或者编译成功都会有提示，否则窗口一闪而过你是不知道出了什么情况的
如果报错驱动器错误，不用管，看到底下正常编译就行了，可以看到此时在解压libraries_v140_x64_py35_1.1.0.tar.bz2文件，等待其编译完成
编译完成后，用vs2015打开“Caffe.sln”，然后编译
vs2015选择在生成的build文件夹下生成的caffe.sln
使用release x64编译项目
等待编译完成
编译完成后，在caffe-windows/python目录下有caffe文件夹，将这个文件夹复制到Anaconda3/envs/py35/Lib/site-packages目录下。
复制过去就行了，只复制caffe文件夹
然后打开cmd命令窗口，进入虚拟环境py35，安装caffe依赖包，输入：
conda config --add channels conda-forge
conda config --add channels willyd
conda install --yes cmake ninja numpy scipy protobuf==3.1.0 six scikit-image pyyaml pydotplus graphviz
注意：如果发现conda安装的numpy运行报错，则将其卸载，使用pip安装。
下载完成后
此时使用pycahrm加载pyhon3.5的解释器，发现可以识别caffe
也可以使用命令行工具查看
进入此目录，运行发现可行
最好假如系统环境变量，这样以后调用会方便很多
好了，从现在起你已经是一个caffer了！
minist手写测试
资源包里数据已经提供了，直接是caffe支持的lmdb格式
当然，你也可以下载minist数据集，然后自己再打包成lmdb格式
这里为了简便，如何打包放在下面，先测试一下看看能不能跑起来
caffe.exe我已经添加进入系统变量了
如图，vs2015编译出来的release文件夹我放入了系统变量中，里面的exe文件可以直接调用
解压文件，放入caffe-windows的案例的minist中
里面都是预设的神经网络层脚本文件，我们就运行一下他们有没有效果
先修改lenet_solver.prototxt 文件，把GPU改成CPU
因为安装的就是cpu版本
训练命令如下
caffe.exe train --solver=.examplesmnistlenet_solver.prototxt
等待训练完成
训练完成后
测试命令如下：
caffe.exe test -model .examplesmnistlenet_train_test.prototxt -weights .examplesmnistlenet_iter_10000.caffemodel -iterations 100
其中.examplesmnistlenet_iter_10000.caffemodel需要根据你实际训练出来的模型填写
这是训练1万步得到的caffe模型
正确率已经很好了
第一步 下载mnist数据
下载地址http://yann.lecun.com/exdb/mnist/
下载后解压到caffe-masterdatamnist文件夹中
第二步 转换数据格式
前两个是测试数据集的图片和标签
后两个是训练集的图片和标签
编写bat文件，打包成lmdb格式
这里的文件路径取决于你解压的路径
convert_mnist_data.exe .datamnisttrain-images.idx3-ubyte .datamnisttrain-labels.idx1-ubyte .examplesmnistmnist_train_lmdb echo convert_mnist_data.exe .datamnistt10k-images.idx3-ubyte .datamnistt10k-labels.idx1-ubyte .examplesmnistmnist_test_lmdb pause
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）