win7 配置微软的深度学习caffe

官方下载:

https://github.com/Microsoft/caffe

然后

直接修改caffe目录下的windows目录下的项目的props文件配置支持哪些特性,然后直接打开vs的项目编译即可完成,怎一个爽字了得(nuget自动处理依赖问题)

(1)注意修改python的绑定为true,

(2)matlab的绑定为true,

(3)usecudnn为false

(4)cuda arch为compute_30 和sm_30(这个根据你自己的显卡计算能力确定, 注意CUDA7.5已经不支持计算能力小于30的显卡了,悲剧!

(5)在运行的时候如果出现Invalid device function则表明GPU的架构错了,

(6)此外CUDA7.5删除了compute_20以及sm_20

如果用C编写Python扩展找不到Python27_d.lib

方法一:直接安装debug版本的python27

方法二:

1.将python安装目录下libs目录里的python27复制一份并命名为python27_d.lib

2.修改include目录下的pyconfig.h,将#define Py_DEBUG注释掉

还有一个问题我发现在群里经常有人会问就是编译绑定的caffe的问题

首先你得在caffe根目录执行

make matcaffe

make pycaffe

来编译matlab的绑定和python的绑定

上面这两个命令,你自己根据自己的需要执行,如果你想编译python的绑定的话,就执行下面的。

居然有人不会添加路径到python

好吧,自己到caffe/python路径下打开终端,然后执行python,输入import caffe

windows版本的在E:\caffe-win\Build\x64\Release\pycaffe下执行python,输入import caffe。

windows本班的caffe的matlab则需要将E:\caffe-win\Build\x64\Release\matcaffe加入到路径即可。

linux版本的caffe则需要将caffe/matlab加入到matlab的路径

-------------------------------------------------------------------------------------------------

1.首先去github上下载微软的caffe
https://github.com/Microsoft/caffe
解压文件到任意位置
2.下载CUDA7.5,并安装
https://developer.nvidia.com/cuda-toolkit
下载cuDNN v4
cuDNN需要申请才能下载,这里我提供网盘给大家http://pan.baidu.com/s/1pJVB0tt
将cuDNN解压后,cuDNN中有bin、include、lib文件夹,要把文件夹中的东西提取出来,放进cuda的bin、include、lib文件夹中,我的cuda路径在
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5
3.下载Python
这里使用的是WinPython集合包,请下载64位版本
https://sourceforge.net/projects/winpython/files/WinPython_2.7/2.7.10.3/
安装WinPython
注意:下载64位python2.7版本,如果不用winpython,anaconda也是可以的
4.安装vs2013,这里注意vs2013的安装最好安装在默认的C盘位置。
如果不是在C盘位置,会报错“E:\NugetPackages\OpenCV.2.4.10\build\native \OpenCV.targets(57,5): error MSB3030: 无法复制文件“C:\Program Files (x86)\Microsoft Visual Studio 12.0\VC\redist\x64\Microsoft.VC120.CRT\msvcr120.dll”
这个是可以解决的,你找到你安装的vs目录下,找到Microsoft Visual Studio 12.0文件夹,整个复制到他这个位置即可
5.打开caffe-master\windows文件夹,复制CommonSettings.props.example,再将CommonSettings.props.example重命名为CommonSettings.props。
用文本格式打开CommonSettings.props,


将false改为true;

改为
,如果是安装的是anaconda,可以改为C:\Anaconda,确保下一级中有python.exe即可;

将路径改为你matlab的安装路径即可
6.编译caffe
点击E:\caffe-master\windows文件夹里的Caffe.sln,这时你发现解决方案的9个项目中libcaffe和test_all 没有加载成功。不过不影响,先把编译器切换到Release x64.然后点击本地windows调试器,nuget会先下载安装需要的一些库文件,下载完后后继续编译操作,中间可能会出现一些报错
在解决方案后中右击每一个项目,属性->C/C++,把“警告等级”调整为等级3,把“将警告视为错误”改成否。
报错“error C2220: 警告被视为错误 - 没有生成“object”文件”,解决方法是用vs2013打开这里报错的cpp,然后点击保存即可。我这里是nuget中的boost报错。

这里只是完成了 libcaffe项目的编译,下面一个一个右击剩余的8个项目,然后点击“生成”,即可。
7.添加变量
在环境变量的用户变量中,新建用户变量,变量名“PythonPath”,变量值“E:\caffe-master\Build\x64\Release\pycaffe”。
至此,已完成caffe在win7上的配置,python和matlab接口已配置完毕,可以打开winpython,输入import caffe,如无报错,则caffe配置成功

时间: 2024-10-11 17:25:54

win7 配置微软的深度学习caffe的相关文章

深度学习caffe:Ubuntu16.04安装指南(3)

caffe [完全版] 2017-01-19 配置如下: caffe + cuda8.0[GPU加速[只支持N卡]] + cudnn5.1 + opencv3.1 + python2.7 + boost58 , 主要参考了caffe官方教程 Ubuntu 16.04 or 15.10 Installation Guide 开始前,请先阅读: 深度学习caffe:Ubuntu16.04安装指南(2) 正式开始安装前,你需要一台已经安装好了Ubuntu16.04系统的电脑,然后/home分区最好有尽

深度学习Caffe实战笔记(19)Windows平台 Faster-RCNN 制作自己的数据集

"-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd"> 深度学习Caffe实战笔记(19)Windows平台 Faster-RCNN 制作自己的数据集 - gybheroin的博客 - 博客频道 - CSDN.NET gybheroin的博客 目录视图 摘要视图 订阅 [活动]2017 CSDN博客专栏评选 &nbsp [

64位Win7下安装并配置Python3的深度学习库:Theano

注:本文全原创,作者:ZMAN  (http://www.cnblogs.com/zmanone/) 这两天在安装Python的深度学习库:Theano.尝试了好多遍,CMake.MinGW.BLAS.APLACK等等都装了试着自己编译,网上教程也搜了一大堆,但都没成功.昨晚回家清理干净电脑,又小心翼翼地装了一遍,成功,今天来公司又装了一遍,也成功,现把步骤记录如下: (注:本步骤适用于WIN7 64位操作系统,Python版本为3.4.3 64bit) 1. 请将电脑清理干净.包括之前装的Mi

微软的深度学习框架cntk ,我目前见过 安装方式最简单的一个框架,2.0之后开始支持C# 咯

wiki:https://github.com/Microsoft/CNTK/wiki 嗨,你也是我这种手残党么?之前试着安装着mxnet和tensorflow,但是因为时间比较短所以往往来不及安装完就失去兴趣,今天看到微软的cntk可以用了,一次性安装好了,并且测试通过 本人环境: Windows 7 X64 8G内存 下载链接 官方安装说明:https://github.com/Microsoft/CNTK/wiki/Setup-Windows-Binary-Script 用以上链接下载了安

转载:深度学习caffe代码怎么读

原文地址:https://www.zhihu.com/question/27982282 Gein Chen的回答 Many thanks —————————————————————————————————————————— 1.学习程序的第一步,先让程序跑起来,看看结果,这样就会有直观的感受.Caffe的官网上Caffe | Deep Learning Framework 提供了很多的examples,你可以很容易地开始训练一些已有的经典模型,如LeNet.我建议先从 LeNet MNIST

深度学习caffe:Ubuntu16.04安装指南(2)

a:link { text-decoration: none } caffe [CPU ONLY] 2017-01-19 最简单的安装配置方式: 不用GPU加速,使用OPENCV3.1图像库, 这是根据官方教程(链接如下)简化而得到. Ubuntu 16.04 or 15.10 Installation Guide 0. Ubuntu16.04 安装 如果对于安装Ubuntu的过程不是很熟悉的话,这里有不错的教程和常见问题解决方案. Ubuntu16.04 U盘安装Ubuntu16.04制作 光

Vmvare + Ubuntu 16.04环境搭建 + 相关软件安装配置笔记【深度学习】

前言 由于学习与工作的需要,加上之前配置好的vmmachines都损坏了,我就重新弄一个ubuntu虚拟机,配置一下环境,给自己留个记录 1.文件 原文地址:https://www.cnblogs.com/jerrybaby/p/8425805.html

深度学习—caffe框架训练文档

转存:LMDB E:\机器学习2\caffe资料\caffe_root\caffe-master\Build\x64\Release>convert_imageset.exe E:/机器学习2/caffe资料/caffe_root/caffe-master/examples/myfile/train E:/机器学习2/caffe资料/caffe_root/caffe-master/examples/myfile/train.txt E:/机器学习2/caffe资料/caffe_root/caff

深度学习caffe测试代码

p.p1 { margin: 0.0px 0.0px 0.0px 0.0px; font: 14.0px Menlo; color: #c81b13 } p.p2 { margin: 0.0px 0.0px 0.0px 0.0px; font: 14.0px Menlo; color: #822d0f } p.p3 { margin: 0.0px 0.0px 0.0px 0.0px; font: 14.0px Menlo; color: #000000; min-height: 16.0px }