win10下caffe环境搭建： win10 + vs2013 + caffe + CUDA 7.5 + cudnn v4 + Anaconda2 (python 2.7) 目前未使用GPU

win10下caffe环境搭建：

win10 + vs2013 + caffe + CUDA 7.5 + cudnn v4 + Anaconda2 (python 2.7) 目前未使用GPU

最近接触了下caffe，想记录一下自己的学习历程，也算是一个笔记吧，也方便自己以后查看。其实网上一些博客写的都非常良心，本人比照着前人经验，用了大概半天就把环境搭好了，下面总结一下windows下的caffe环境搭建。

一、环境搭建

1、资源选择及下载：

因为是第一次接触caffe，所以我没有追求最新的学习资料和应用资源，而是选择了较为稳定的偏旧的环境：windows10（x64）+ vs2013 + caffe + CUDA 7.5 + cudnn v4 + Anaconda2（python 2.7）。下面是资源：

vs2013：链接：https://pan.baidu.com/s/1c3orbSs 密码：51g4

微软官网未找到vs2013 community版的，所以搞了个旗舰版，亲测可用。另外，据说vs2015Community，因为内含2013编译器，所以也可以用。

caffe：https://github.com/Microsoft/caffe

微软版，网上找到的唯一跟博客里描述相似的caffe，含有windows文件夹（这个文件夹在后来的配置过程中会用到）。

（CUDA是 GPU需要用到的，本人因为没有GPU所以未曾用过）

CUDA：https://developer.nvidia.com/cuda-75-downloads-archive

直接从官网下载，注意选择 CUDA版本（7.5）和 实际环境。说来惭愧，本人看博客学习时没注意到博主留的是CUDA官网主页，虽然进去就是下载页面，但是下载的是 CUDA 9.1。。。

后来又卸载，去官网重下什么的，挺费劲的，主要是浪费时间。在这里给大家直接把链接换成了官网里 CUDA 7.5的下载界面了。快赞美我 =.=

cudnn v4：https://developer.nvidia.com/cudnn

直接从官网下，注册个账号就行了。同样注意版本 cudnn v4。据说v5好像也可以，但没有验证过，感兴趣的同学自己折腾吧。生命不息、折腾不止 =.=

（Anaconda2好像是为python提供了接口，总之是为python提供环境）

Anaconda2：https://www.anaconda.com/download

直接从官网下，注意选择 python 2.7版本。

2、资源下载后就是安装：

（1）安装顺序：

虽说没有严格的顺序，但是建议按照vs（caffe不用安装，解压就行了，后来会需要用vs编译）、CUDA （需要cudnn的一些文件复制和替换，后面会说）、Anaconda2的顺序。

（2）安装路径：

虽然许多博客里都说尽量按照默认路径安装，否则可能会出现路径导致的一系列问题，但是本人目前并没有遇到关于路径的问题。嗯，本人全都把路径改了。。。可能是因为还没有用到GPU，，，后期看看再说。。。 愿力量与我同在 =.=

3、环境配置

（1）CommonSettings.props配置文件（即caffe中windows文件夹下的操作）

将E:\caffe-windows\caffe-windows\windows\windowsCommonSettings.props.example文件备份，并改名为CommonSettings.props（注意：后缀名也要改）。如下图：（【注】本文中大部分资源（图片、文本等）是借用的之前博主的，因为感觉做得很好，而且我又比较懒 =.=）。



因为无GPU，所以如下修改复制过来的CommonSettings.props配置文件：



（2）关于cudnn （GPU 相关，本文中虽参照配置了，但未进行测试和使用）

有些博客说V5.0版本是个坑，所以最好还是避开为好（感兴趣的可以自己折腾 =.=），避免多走弯路，这里本人用的是cudnn v4，也有人用的8.0好像也可以。

下载完成后，解压，然后打开环境变量的配置窗口，将E:\cudnn-8.0-windows10-x64-v5.1\cuda文件夹下的三个文件bin，include，lib，拷贝到下图CUDA_PATH对应的路径下，替换即可，CUDA的环境变量不需要配置，你装完CUDA它自己会配置好，这里最好自己配一下CuDNN的路径，就是你解压后放置的路径。如下图：


（3）编译caffe

打开caffe-master\windows下的Caffe.sln，用vs进行编译（双击windows下的caffe.sln，在VS2013中生成解决方案）：

官网自带的总共有16个项目，请注意核对。然后点击生成解决方案。


在编译caffe的时候，它会提示你还原nuget包，这个是必须的，可能会未响应，慢慢等吧。如果你身边有人已经还原好了，可以直接拷贝到caffe-windows目录下。

之前博客里的nuget包的下载链接都失效了。。。
为了方便大家解决这个问题，我直接压缩了一个，下载解压放到与caffe-master并列文件夹即可：
链接：https://pan.baidu.com/s/1eTmRdw2 密码：s669

编译caffe还原Nuget时，通常会遇到libcaffe.lib无法打开的错误。

当下载完毕，VS仍在继续执行生成任务，最终可能失败，原因下面会提示说无法打开libcaffe.lib之类的error。解决方法是直接对libcaffe重新生成，或者直接重新生成一次。



当这个文件生成成功以后，重复一下上一步，对 所有文件 再重新生成一下，这时候应该不会出现libcaffe.lib无法打开的错误了。下面的PS是之前博主的，虽然没怎么看懂，但还是想留着备用。

【PS】按照这个流程编译下来很少会出现无法解析外部符号问题，出现这种问题有很大可能是静态库没连接好，但是微软的所有库是自动下载的，除非没下载全。还有关于一些.h头文件未找到，请自行核对此头文件的位置，然后再配置文件中随便找个IncludePath(此includePath必须在编译时候被使用)，将路径加进去即可，同时也必须注意是否需要相关的lib文件。

当下载完毕第三方库，你的caffe-Windows并列文件夹下会有一个第三方库的文件夹。
【注】caffe-windows和caffe-master对caffe.cpp编译以后下载的第三方库都是16个文件夹。
最好核对一下文件，免得没下载完就被你关掉了。




（4）设置运行项

解决方案’caffe’->属性，选择当前选定项，应用，确定。



或者下面直接单启动项目是caffe也行，不过最好改一下，原因相信玩过VS的都清楚，如果是单启动项目，那么在你重新编译工程的时候，只会运行次单启动项目，其它项目不会运行，这就是为什么很多人编译以后发现Release或者Debug文件夹下只有caffe.exe而没有conver_imageset.exe等可执行文件的原因。

（5）编译运行caffe，并生成caffe文件

（5.1）运行caffe.cpp，直接双击打开caffe.cpp，然后ctrl+f5直接编译，出现如下命令窗口说明编译成功（即环境搭建成功）。



【PS】这个其实告诉你了如何调用caffe.exe去训练你的模型。

在编译caffe时，往往很难一步到位，你可能会像我一样遇到没有生成“object”文件、无法打开lib文件、路径下找不到某文件等问题。不用着急，请参照以下步骤来见检查一下：

①首先看看你当前的 用户名以及包含caffe的路径 下是否有 特殊字符（比如 空格和中文字符），有的话改掉。即使现在不改，后面调用caffe的时候也需要改。血泪史。。。

【注】中文用户名的更改，并不只是在用户文件上的更改，具体可以自行百度。

②没有生成“object”文件，alt_sstream_impl.hpp头文件编码问题。


在项目里双击把alt_sstream_impl.hpp打开又有提示中文编码错误，点击确定后保存一下重新编译就ok了。

（5.2）编译生成caffe文件，选择release 对解决方案进行重新生成。



弄好后是这样：



下面说一下，编译的过程中可能会出现的问题，以下都是之前博主留下的经验：

(1) 如果你在用vs打开项目的时候，出现不兼容的问题，那么这说明你装的vs2013有问题，考虑重装，或者重新下一个vs2013再装，因为一般如果你安装顺利是不会出现该问题的。之前博主，重新下一个vs装了，之后没有再出现这个问题。



（2）还原Nuget所需要的第三方库时，如果出现无法连接的那个问题，说明IP ping不过去，直接把问题复制到网上搜，有解决方法。

（3）重新生成nuget包之后还可能会出现error C1083: 无法打开源文件:

“....srccaffedata_reader.cpp”: No such file ordirectory的错误，这是因为官方删掉data_reader.cpp这个文件，将libcaffe.vcxproj和libcaffe.vcxproj.filters中的 data_reader.cpp 与 data_reader.hpp删掉后就不报错了。然后再对解决方案重新生成一次，应该就不会报错了。

之前博主遇到的问题：本人还未进行相关操作，所以暂时存一下，以备后来学习借鉴。



靠谱的参考资料：

http://blog.csdn.net/juewu1993/article/details/53698794

https://www.cnblogs.com/zy230530/p/6626227.html

https://zhuanlan.zhihu.com/p/22129880

http://www.cnblogs.com/love6tao/p/5706830.html

http://blog.csdn.net/xierhacker/article/details/51834563

后续，可能会把跑的几个例子放上来，或者试着做做GPU的一些实验。

Mnist、cifar10 这两个例子主要是用来熟悉环境的，跑完这两个例子，其实基本就熟悉caffe了。

先写个小结，caffe相当于一个工具箱，它仅

提供了常用于机器学习的几个功能函数的接口（如：caffe.exe用于训练模型，classification.exe用于分类，compute_image_mean.exe用于求均值等）；

并规范了使用该工具箱的 输入和输出的数据格式（输入的数据必须是.lmdb和.leveldb类型，如果不是该类型，需要先进行数据转换，只有此两种数据可在caffe内运行；

输出的数据是.caffemodel和.solverstate或者是二者之后 + .h5）；

输出的数据几位训练好的模型以及其中间值，可用classification.exe（具体可参考cifar10分类测试）等进行调用。

跑完几个例子后的感受就是caffe里需要注意的就那么几点：

1、使用CPU还是GPU的问题

2、proto文件中规定的各文件的路径问题

3、caffe中自带的train、mean、Classification等功能调用的问题（类似函数：输入是什么，包含几个参数；实现什么功能；输出是什么，输出在哪儿）

4、win下.bat脚本编写或者cmd命令行的问题（承接上面第三个问题，是其具体解决方式，linux下使用caffe感觉与此类似）

【注】最好是直接在caffe根目录下进行操作，便于对应各个文件（只是建议，因为对应文件比较繁琐）。

5、win下使用caffe还要注意 斜杠与反斜杠的问题 / 和 \，慢慢体会（提示一点，在cifar10实验中求mean时，你会体会到的）。

（未完待续）