上手Caffe(一)

@author:oneBite

本文记录编译使用caffe for windows

使用环境

VS2013 ultimate,win7 sp1,caffe-windows源码(从github上下载caffe的windows分支,下载解压之后,不要改变原有的目录结构,因为solution rebuild时会使用文件的相对路径)

编译过程

根据需要修改caffe-windows\caffe-windows\windows\CommonSettings.props。本次编译生成不使用GPU和CuDNN的caffe。

<CpuOnlyBuild>true</CpuOnlyBuild>

<UseCuDNN>false</UseCuDNN>

使用vs2013打开caffe-windows\caffe-windows\windows\****.sln文件(这是VS2013创建的工程),rebuild solution,之后程序会自动下载相应的依赖包。

依赖包简要叙述:proto用于解析参数;boost,c++准标准库,智能指针……

之后vs会报错:

错误1:error LNK1104: cannot open file ‘libcaffe.lib‘

因为project之间有依赖关系,需要手动先编译libcaffe工程

错误2:error C1083: Cannot open source file: ‘..\..\src\caffe\data_reader.cpp‘

项目引用了已经不存在的源文件,只要在项目include和src中删除data_reader的索引即可。

错误3:error C2220: warning treated as error - no ‘object‘ file generated (..\..\src\caffe\util\math_functions.cpp)。

双击该error,显示详细错误信息。发现是源文件character问题。复制文件内容,重新创建如下路径的文件。

\caffewindows\NugetPackages\boost.1.59.0.0\lib\native\include\boost\format\altsstream_impl.hpp

解决error之后,rebuild solution。然后运行caffe项目中的caffe.cpp。就可以看到如下界面。

(可以先设置solution的启动项目)

调整设置启动项目

解决方案>properties>startup project>current project

能正确运行之后,可以设置不要重复下载依赖包。

Tools>option中设置nuget package manager,在build时,是否可以download missing files

时间: 2024-10-15 15:22:18

上手Caffe(一)的相关文章

ubuntu14.04 安装 tensorflow

如果内容侵权的话,联系我,我会立马删了的-因为参考的太多了,如果一一联系再等回复,战线太长了--蟹蟹给我贡献技术源泉的作者们- 最近准备从理论和实验两个方面学习深度学习,所以,前面装好了Theano环境,后来知乎上看到这个回答,就调研了一下各个深度学习框架,我没有看源码,调研也不是很深入,仅仅是为了选择深度学习框架做的一个大概了解- 1. 如何选择深度学习框架? 参考资料如下: 1. https://github.com/zer0n/deepframeworks/blob/master/READ

TensorFlow实战--阅读笔记part1

这本书适合看过官方文档或其他基础教程的人,讲的多是些具体网络的实现 一.tensorflow基础 tensorflow的操作流程 1. 自定义节点,自定义有向图,一般是把整个流程图都定义完整 每个需要看输出结果的节点都必须有显式地进行定义,形式如 node=......  比如2,3,4,5,6行等 对于不需要进行输出的节点可以不进行显示定义,比如Add 2. 通过Session的run方法进行执行计算图 每次run都是指定一个节点计算,比如说: tf.Session.run(ReLU) 我们要

caffe简易上手指南(一)—— 运行cifar例子

简介 caffe是一个友好.易于上手的开源深度学习平台,主要用于图像的相关处理,可以支持CNN等多种深度学习网络. 基于caffe,开发者可以方便快速地开发简单的学习网络,用于分类.定位等任务,也可以用于科研,在其源码基础上进行修改,实现自己的算法. 本文的主要目的,是介绍caffe的基本使用方法,希望通过本文,能让普通的工程师可以使用caffe训练自己的简单模型. 本文主要包括以下内容:运行caffe的例子训练cifar训练集.使用别人定义好的网络训练自己的数据.使用训练好的模型fine tu

Caffe 深度学习框架上手教程

本文来源:http://suanfazu.com/t/caffe/281 本文的主要目的保存一个链接,建议阅读原文. Caffe(Convolutional Architecture for Fast Feature Embedding)是一个清晰而高效的深度学习框架,其作者是博士毕业于UC Berkeley的 贾扬清,目前在Google工作. Caffe是纯粹的C++/CUDA架构,支持命令行.Python和MATLAB接口:可以在CPU和GPU直接无缝切换: Caffe::set_mode(

Caffe上手教程

Caffe上手教程 入门系列FAQ72 在Unbuntu上安装Caffe828 Windows下安装Caffe1.4K Caffe框架上手教程1.2K Caffe编译运行调试462 Caffe 电脑配置要求383 Caffe作者贾扬清讲座510

caffe简易上手指南(二)—— 训练我们自己的数据

训练我们自己的数据 本篇继续之前的教程,下面我们尝试使用别人定义好的网络,来训练我们自己的网络. 1.准备数据 首先很重要的一点,我们需要准备若干种不同类型的图片进行分类.这里我选择从ImageNet上下载了3个分类的图片(Cat,Dog,Fish). 图片需要分两批:训练集(train).测试集(test),一般训练集与测试集的比例大概是5:1以上,此外每个分类的图片也不能太少,我这里每个分类大概选了5000张训练图+1000张测试图. 找好图片以后,需要准备以下文件: words.txt:分

caffe简易上手指南(三)—— 使用模型进行fine tune

之前的教程我们说了如何使用caffe训练自己的模型,下面我们来说一下如何fine tune. 所谓fine tune就是用别人训练好的模型,加上我们自己的数据,来训练新的模型.fine tune相当于使用别人的模型的前几层,来提取浅层特征,然后在最后再落入我们自己的分类中. fine tune的好处在于不用完全重新训练模型,从而提高效率,因为一般新训练模型准确率都会从很低的值开始慢慢上升,但是fine tune能够让我们在比较少的迭代次数之后得到一个比较好的效果.在数据量不是很大的情况下,fin

Caffe上用SSD训练和测试自己的数据

    学习caffe第一天,用SSD上上手. 我的根目录$caffe_root为/home/gpu/ljy/caffe 一.运行SSD示例代码 1.到https://github.com/weiliu89/caffe.git下载caffe-ssd代码,是一个caffe文件夹 2.从已经配置好的caffe目录下拷贝一个Makefile.config放到$caffe_root下 3.在$caffe_root下打开命令行终端,输入以下命令 make -j8 make py make test -j8

Caffe初试

1.基本概念 Caffe是一个比较流行的神经网络框架,它支持C++.Python等语言,容易上手,但是代码貌似不怎么好读,等有空我...再议 ;) 2.Windows10下的部署 环境:Win10+VS2013+OpenCV+CUDA7.5+Cudnn+Caffe 我之前已经配置好了OpenCV2了,其他的差不多从新开始. Caffe现在官方支持Windows了,不过当时配置有点乱,然后用了一个大神整理好的Caffe包: 链接: https://pan.baidu.com/s/1hsqRQEK