win10 + cuda8.0 + caffe SSD + vs2015 + python3

一、下载

git clone https://github.com/runhang/caffe-ssd.git
cd caffe-ssd

1. 修改 build_win.cmd

    if !PYTHON_VERSION! EQU 2 (
        set CONDA_ROOT=C:\Anaconda2
    )
    :: Set python 3.5 with conda as the default python
    if !PYTHON_VERSION! EQU 3 (
        set CONDA_ROOT=C:\Anaconda2\envs\py3
    )
:: Configure using cmake and using the caffe-builder dependencies
:: Add -DCUDNN_ROOT=C:/Projects/caffe/cudnn-8.0-windows10-x64-v5.1/cuda ^
:: below to use cuDNN
cmake -G"!CMAKE_GENERATOR!" ^
      -DBLAS=Open ^
      -DCMAKE_BUILD_TYPE:STRING=%CMAKE_CONFIG% ^
      -DBUILD_SHARED_LIBS:BOOL=%CMAKE_BUILD_SHARED_LIBS% ^
      -DBUILD_python:BOOL=%BUILD_PYTHON% ^
      -DBUILD_python_layer:BOOL=%BUILD_PYTHON_LAYER% ^
      -DBUILD_matlab:BOOL=%BUILD_MATLAB% ^
      -DCPU_ONLY:BOOL=%CPU_ONLY% ^
      -DCOPY_PREREQUISITES:BOOL=1 ^
      -DINSTALL_PREREQUISITES:BOOL=1 ^
      -DUSE_NCCL:BOOL=!USE_NCCL! ^
      -DCUDA_ARCH_NAME:STRING=%CUDA_ARCH_NAME% ^
      -DCUDNN_ROOT=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\cuda ^      -C "D:\tyang\caffe-builder\build_v140_x64\libraries\caffe-builder-config.cmake" ^
      "%~dp0\.."

(上面粉红色部分就是第三方库的文件位置,根据自己的位置改下,不加上这句的话默认在user/.caffe下)

2. 修改 download_prebuilt_dependencies.py

(‘v140‘, ‘3.6‘)

3. 修改 WindowsDownloadPrebuiltDependencies.cmake

set(DEPENDENCIES_VERSION 1.1.0)
set(DEPENDENCIES_NAME_1800_27 libraries_v120_x64_py27_${DEPENDENCIES_VERSION})
set(DEPENDENCIES_NAME_1900_27 libraries_v140_x64_py27_${DEPENDENCIES_VERSION})
set(DEPENDENCIES_NAME_1900_36 libraries_v140_x64_py35_${DEPENDENCIES_VERSION})

set(DEPENDENCIES_URL_BASE https://github.com/willyd/caffe-builder/releases/download)
set(DEPENDENCIES_FILE_EXT .tar.bz2)
set(DEPENDENCIES_URL_1800_27 "${DEPENDENCIES_URL_BASE}/v${DEPENDENCIES_VERSION}/${DEPENDENCIES_NAME_1800_27}${DEPENDENCIES_FILE_EXT}")
set(DEPENDENCIES_SHA_1800_27 "ba833d86d19b162a04d68b09b06df5e0dad947d4")
set(DEPENDENCIES_URL_1900_27 "${DEPENDENCIES_URL_BASE}/v${DEPENDENCIES_VERSION}/${DEPENDENCIES_NAME_1900_27}${DEPENDENCIES_FILE_EXT}")
set(DEPENDENCIES_SHA_1900_27 "17eecb095bd3b0774a87a38624a77ce35e497cd2")
set(DEPENDENCIES_URL_1900_36 "${DEPENDENCIES_URL_BASE}/v${DEPENDENCIES_VERSION}/${DEPENDENCIES_NAME_1900_35}${DEPENDENCIES_FILE_EXT}")
set(DEPENDENCIES_SHA_1900_36 "f060403fd1a7448d866d27c0e5b7dced39c0a607")
                find_package(PythonInterp 3.6)

二、编译第三方库

(就是上面粉红色部分得第三方库)

git clone https://github.com/willyd/caffe-builder.git
cd caffe-builder
build_v140_x64.cmd

速度可能有点慢,而且要下载。。。

三、Cmake 编译

确保cmake在电脑环境目录里

scripts\build_win.cmd

过程中会报错:libraries_v140_x64_py35_1.1.0.tar下载失败

手动下载: 地址

然后重命名 .tar.bz2 放到 C:\Users\tyang\.caffe\dependencies\download

再试一次

四、VS 编译

上面编译完会生成一个build文件夹,里面就是VS工程了

用VS2015打开选择Release生成ALL_BUILD

五、 Python接口

将 caffe-ssd\python\caffe 拷贝到 python所在\Lib\site-packages

原文地址:https://www.cnblogs.com/xuanyuyt/p/9772819.html

时间: 2024-08-29 19:05:15

win10 + cuda8.0 + caffe SSD + vs2015 + python3的相关文章

win10 + gtx1060 + cuda8.0 + caffe + vs2013

1. 安装cuda8.0 1)先去官网下载cuda8.0  https://developer.nvidia.com/cuda-toolkit 2)下载完之后进行安装,安装时间有点长,请耐心等待,默认是安装在c盘目录下 安装完后会生成两个系统变量: CUDA_PATH C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0 CUDA_PATH_V8_0 C:\Program Files\NVIDIA GPU Computing Toolki

深度学习(TensorFlow)环境搭建:(三)Ubuntu16.04+CUDA8.0+cuDNN7+Anaconda4.4+Python3.6+TensorFlow1.3

紧接着上一篇的文章<深度学习(TensorFlow)环境搭建:(二)Ubuntu16.04+1080Ti显卡驱动>,这篇文章,主要讲解如何安装CUDA+CUDNN,不过前提是我们是已经把NVIDIA显卡驱动安装好了 一.安装CUDA CUDA(Compute Unified Device Architecture),是英伟达公司推出的一种基于新的并行编程模型和指令集架构的通用计算架构,它能利用英伟达GPU的并行计算引擎,比CPU更高效的解决许多复杂计算任务,想使用GPU就必须要使用CUDA.

Ubuntu 1604 + cuda8.0 + caffe

经过长期的验证,本博客装caffe成功,为了方便大家和自己,记录下来,给后来者参考 1.安装依赖包 2. 禁用 原显卡驱动 nouveau 3.下载cuda8.0 4.安装cuda8.0 5.安装cudnn 6.配置环境变量 7.安装opencv 8.安装caffe 9.安装pycaffe 接口环境 第一步 安装依赖包 安装后续步骤或换环境所需要的依赖包和工具,依次输入: 1 sudo apt-get install libprotobuf-dev libleveldb-dev libsnapp

caffe windows10 vs2015 cuda8.0 -&gt;vs2013

http://blog.csdn.net/xjz18298268521/article/details/52190184 http://www.cnblogs.com/xuanyuyt/p/5726926.html http://m.blog.csdn.net/article/details?id=51355143 http://blog.csdn.net/u011185952/article/details/52577620 http://www.cnblogs.com/xiaoxiangdi

ubuntu14.04+cuda8.0(GTX1080)+caffe安装

1. ubuntu14.04安装 分区:usr/local 300G boot 200M / 根目录 300G 交换空间 20G (内存16G) 其余都是/home 重装之后,下载NVIDIA-Linux-x86_64-367.27.run,下载地址为:http://www.geforce.cn/drivers/results/104314 将其与cuda_8.0.27_linux.run(下载地址为:https://developer.nvidia.com/cuda-toolkit 不过需要注

ubuntu16.04+cuda8.0+cudnn5.0+caffe

ubuntu安装过程(硬盘安装)http://www.cnblogs.com/zhbzz2007/p/5493395.html"但是千万不要用麒麟版!!!比原版体验要差很多!!!"开关机的时候电脑最上面 有一行 提示 一晃即过,/dev/sda6: clean(未知,单没关系)http://blog.csdn.net/xuezhisdc/article/details/48649575(意义) 1.教程1http://blog.csdn.net/zwyjg/article/detail

ubuntu14.04 + cuda8.0 + cudnnv5 + caffe + py-faster-rcnn配置

经过几天的奋战终于配置好了如题所述的配置,现在把配置大体过程写下来供大家配置时参考(由于电脑硬件和系统的千差万别,实在不适合写详细的) (一切不声明配置环境的配置教程都是耍流氓) 环境: Inter集显 + gtx1070独显 ubuntu14.04LTS(ubuntu系统,若两个显卡驱动同时存在会起冲突,貌似关掉什么lightdm可以解决,我就不折腾了,安装好n卡驱动后我就在BIOS中关掉集显只用独显) cuda_8.0.61_375.26_linux.run   cudnn-8.0-linu

ubuntu16.04 安装配置matlab ,python ,cuda8.0,cudnn,opencv3.1的caffe环境

网络上有很多ubuntu上caffe配置环境的帖子,本人照着其中的许多进行了参考,都出现了或多或少的错误,很多地方也有差异. 于是自己整理了下自己的安装过程,成功进行了测试,跑通了faster-rcnn.配置环境时间为2017.1.4 系统ubuntu16.04 一:显卡驱动的安装: 由于要使用GPU,所以先要查看自己显卡所匹配的显卡驱动,网址:http://www.nvidia.com/Download/index.aspx%3Flang=en-us 选择电脑匹配的显卡驱动,本人电脑显卡为GT

Ubuntu 16.04系统下CUDA8.0配置Caffe教程

由于最近安装了Ubuntu 16.04,本文教程的特点是不需要降级gcc的版本,毕竟cuda8.0已经支持gcc5以上(默认不支持,实际支持). 本文是在参考caffe官网教程以及http://www.linuxidc.com/Linux/2015-07/120449.htm结合自己总结经验而来,对此表示感谢. Ubuntu 14.04安装Nvidia CUDA7.5并搭建Python Theano深度学习开发环境http://www.linuxidc.com/Linux/2015-09/123