Caffe学习笔记之 ——在Windows下的完全配置
2016-08-26 19:06
337 查看
按照循序渐进的思想 首先配置无GPU加速的caffe
需要注意的几个点:
1) caffe-master\windows将CommonSettings.props.example重命名为CommonSettings.props
2) CommonSettings.props下更改
3) 在VS2013下打开caffe.sln 注意要把 报警视为错误更改为否 debug更改为release 要先生成libcaffe 然后可以对整个工程进行生成
4) 然后就是等待编译完成,Windows下Nuget工具会自动获取预编译的caffe依赖包
5)测试MNIST数据集
5.1要注意是LDB数据 还是 LMDB 数据,数据的训练集和测试集的文件夹
在lenet_train_text.prototxt中:
5.2 在lenet_solver.prototxt中要把solver mode 更改成与CommonSettings 中的设置对应
6)在cmd中敲指令进入到caffe-master中
Build\x64\Release\caffe.exe train –solver examples\mnist\lenet_solver.prototxt
跑通MNIST数据集
图 1 MNIST测试结果 accuracy 0.9912
有GPU版本的caffe
安装带有CUDA cudnn GPU加速环境下的caffe &&总结出model层类型的常用参数
Cuda和cudnn必须匹配,不匹配会报错 按上面无GPU版caffe安装进行配置,原来的false改成true即可:不同之处
1)cudnn path:
2)Python 和 MATLAB 路径 ,Python需要依赖numpy,否则编译会报错
重新跑MNIST和自己的数据库:
需要注意的几个地方:
1) 路径就都不多说了,写绝对路径肯定不会错
2) 已知caffe的bug,当路径含有“ ”或者“-”字符时会报错
3) 在自己的电脑上跑caffe时 batch_size 不能调的过高 会超显存
在跑caffe时不能在电脑进行过多的I/O操作,否则GPU 会“ Data layer prefetch queue empty”,使得CPU数据读入慢于GPU计算,导致GPU处于空闲,使得计算速度下降
结论:CUDA加Cudnn的加速效果很明显,
需要注意的几个点:
1) caffe-master\windows将CommonSettings.props.example重命名为CommonSettings.props
2) CommonSettings.props下更改
<CpuOnlyBuild>true</CpuOnlyBuild> <UseCuDNN>false<UseCuDNN>
3) 在VS2013下打开caffe.sln 注意要把 报警视为错误更改为否 debug更改为release 要先生成libcaffe 然后可以对整个工程进行生成
4) 然后就是等待编译完成,Windows下Nuget工具会自动获取预编译的caffe依赖包
5)测试MNIST数据集
5.1要注意是LDB数据 还是 LMDB 数据,数据的训练集和测试集的文件夹
在lenet_train_text.prototxt中:
5.2 在lenet_solver.prototxt中要把solver mode 更改成与CommonSettings 中的设置对应
6)在cmd中敲指令进入到caffe-master中
Build\x64\Release\caffe.exe train –solver examples\mnist\lenet_solver.prototxt
跑通MNIST数据集
图 1 MNIST测试结果 accuracy 0.9912
有GPU版本的caffe
安装带有CUDA cudnn GPU加速环境下的caffe &&总结出model层类型的常用参数
Cuda和cudnn必须匹配,不匹配会报错 按上面无GPU版caffe安装进行配置,原来的false改成true即可:不同之处
1)cudnn path:
2)Python 和 MATLAB 路径 ,Python需要依赖numpy,否则编译会报错
重新跑MNIST和自己的数据库:
需要注意的几个地方:
1) 路径就都不多说了,写绝对路径肯定不会错
2) 已知caffe的bug,当路径含有“ ”或者“-”字符时会报错
3) 在自己的电脑上跑caffe时 batch_size 不能调的过高 会超显存
在跑caffe时不能在电脑进行过多的I/O操作,否则GPU 会“ Data layer prefetch queue empty”,使得CPU数据读入慢于GPU计算,导致GPU处于空闲,使得计算速度下降
结论:CUDA加Cudnn的加速效果很明显,
相关文章推荐
- Caffe_Windows学习笔记(一)基于Win10 x64+VS2013+GPU加速+Python2.7+Matlab2016b环境下的Caffe配置
- 【深度学习】笔记17 windows下SSD网络在caffe中的配置(GPU版本)【笔记3】
- Windows Caffe 学习笔记 caffe-windows(CPU)配置与利用mnist数据集训练第一个caffemodel
- 【深度学习】笔记14 windows下caffe的python接口的配置(数据的可视化环境)
- 【学习笔记】caffe for windows 安装配置
- 【深度学习】笔记15 windows下SSD网络在caffe中的配置【笔记1】
- 【深度学习】笔记16 windows下SSD网络在caffe中的配置(CPU版本)【笔记2】
- Caffe学习笔记(一)——Windows 下caffe安装与配置
- caffe学习笔记-数据库制作及计算均值文件命令格式(windows版)
- Node.js入门学习笔记-IDE选择/配置之WebStorm(windows)
- 深度学习模型之各种caffe版本(Linux和windows)的网址和配置
- Maven学习笔记(二)Maven的安装和配置(Windows版)
- 学习笔记:Caffe上配置和运行Cifar10的示例
- Node.js入门学习笔记-IDE选择/配置之WebStorm(windows)
- 深度学习笔记:windows10+visual studio 2013+cuda7.5+theano+lasagne环境配置
- caffe学习笔记1:ubuntu15.04下3分钟完成caffe环境配置(基于docker)
- windows下配置Hadoop学习笔记---阿冬专栏
- Linux不完全学习笔记――网络的配置
- 深度学习模型之各种caffe版本(Linux和windows)的网址和配置
- Java菜鸟学习笔记--配置篇(一):Windows JDK环境变量配置与常见问题