之前在 http://blog.csdn.net/fengbingchun/article/details/50987353 中介绍过在Windows7上搭建Caffe开发环境的操作步骤,那时caffe的项目是和其它依赖项目分开的,每次换新的PC机时再次重新配置搭建还是很不方便,而且caffe的版本较老,本次经过多次修改调整,将所有的项目除OpenCV和Boost外都放在一个工程里了,而且caffe更新到了最新,现在从GitHub上直接clone下来后直接进行编译即可,非常方便,对初步接触Caffe的来说,应该是有些帮助的,下面就说下进行快速搭建的操作步骤:

1.  OpenCV:

从 https://github.com/opencv/opencv/releases  下载2.4.13,解压缩到D:\soft\OpenCV2.4.13,将动态库路径D:\soft\OpenCV2.4.13\opencv\build\x64\vc12\bin添加到系统环境变量中,如下图红框所示:

2.  Boost:

从 http://www.boost.org/users/history/version_1_58_0.html 下载1.58.0,双击进行安装,安装到D:\ProgramFiles\local目录下,将D:\ProgramFiles\local\boost_1_58_0\lib64-msvc-12.0加入到系统环境变量中,如上图红框所示;

3.  Caffe_Test:

从  https://github.com/fengbingchun/Caffe_Test clone或DownLoad Caffe_Test工程(Note:master分支,old分支是之前旧版本caffe)到E:\GitCode目录下,clone后的结果如下图所示:

双击打开prj/x86_x64_vc12/Caffe目录下的Caffe.sln,结果如下图所示:

此工程下一共包含了19个项目:

(1)、依赖项目包括gflags、hdf5、leveldb、glog、openblas、protobuf、lmdb、snappy,这些项目都包含对相应依赖库源代码进行编译生成相应的库;

(2)、ThirdPartyLibrary_Test项目,用于测试生成各个依赖库的正确性及各个依赖库的使用;

(3)、libcaffe项目,用于生成caffe静态库;

(4)、Caffe_Test项目,用于测试caffe库的正确性及对Caffe应用的测试code;

(5)、libcaffe_gpu项目,用于生成基于GPU的caffe静态库,默认CUDA版本是8.0;

(6)、Caffe_GPU_Test项目,用于测试caffe_gpu库的正确性及对Caffe应用的测试code,此项目的code和Caffe_Test的code是同一套。

各目录说明:

(1)、demo目录存放测试code,ThirdParthLibrary_Test子目录下存放各个依赖库的简单测试代码,为了对各个依赖库的使用有更一步的了解,后续会加入更多的测试代码,此目录文件如下图所示:

Caffe_Test子目录存放对Caffe使用的测试代码,funset.cpp中存放对Caffe中一些重要头文件使用的测试代码,mnist.cpp中存放通过对MNIST数据集进行训练产生的model,以用来进行手写数字识别的测试代码,后续会加入更多的Caffe应用,如通过cifar10数据集,对物体进行分类等测试代码,此目录文件如下图所示:

(2)、prj/x86_x64_vc12目录存放各个项目配置文件,目前默认是vs2013,此目录文件如下图所示:

(3)、src目录存放caffe及除opencv和boost外各个依赖库的源代码,此目录文件如下图所示:

关于各种开源库版本详细信息(version.txt)如下所示:

1. caffe: branch: windowscommit: 88ddc95;date: 2017.03.29;url: https://github.com/BVLC/caffe
2. boost: binary library, boost_1_58_0-msvc-12.0-64.exeversion: 1.58.0date: 2015.04.17url:http://www.boost.org/http://www.boost.org/users/history/version_1_58_0.htmlhttps://sourceforge.net/projects/boost/files/boost-binaries/1.58.0/
3. protobuf: protobuf-cpp-3.2.0.zipcommit: 593e917version: v3.2date: 2017.01.28url: https://github.com/google/protobuf/releases
4. glog: commit: da816eaversion: masterdate: 2017.03.07url: https://github.com/google/glog
5. gflags:commit: f8a0efeversion: 2.2.0date: 2016.11.26url: https://github.com/gflags/gflags/releases
6. leveldb:commit: 915d663version: 1.18date: 2015.07.29url: https://github.com/bureau14/leveldb
7. lmdb:commit: 14cff07version: 0.9.19date: 2016.12.29url: https://github.com/LMDB/lmdb/releases
8. hdf5: hdf5-1.10.0-patch1.zipversion: 1.10.0url: https://support.hdfgroup.org/HDF5/release/obtainsrc.html
9. snappy:commit: 2d99bd1version: 1.1.4date: 2017.01.27url: https://github.com/google/snappy/releases
10. openblas:commit: 85636ffversion: 0.2.19date: 2016.09.01url: https://github.com/xianyi/OpenBLAS/releases
11. opencv:commit: 59975dbversion: 2.4.13date: 2016.05.16url: https://github.com/opencv/opencv/releases

(4)、test_data目录下存放各个库测试代码需要的测试数据。

接下来就可以编译Caffe_Test工程了,先依次编译依赖库再编译caffe。

此工程只配置了x64平台,没有配置win32平台。

如果机子上正确安装配置了CUDA8.0,则可以编译libcaffe_gpu库。

按照以上操作,只需三步,就可以快速完成在Windows上对Caffe的搭建,整个搭建时间应该不会超过30分钟,是不是非常方便。

GitHub:https://github.com/fengbingchun/Caffe_Test

在Windows7/10上快速搭建深度学习框架Caffe开发环境相关推荐

  1. Windows7/10上快速搭建Tesseract-OCR开发环境操作步骤

    之前在https://blog.csdn.net/fengbingchun/article/details/51628957 中描述过如何在Windows上搭建Tesseract-OCR开发环境,那时 ...

  2. python学习框架图-从零搭建深度学习框架(二)用Python实现计算图和自动微分

    我们在上一篇文章<从零搭建深度学习框架(一)用NumPy实现GAN>中用Python+NumPy实现了一个简单的GAN模型,并大致设想了一下深度学习框架需要实现的主要功能.其中,不确定性最 ...

  3. DL之IDE:深度学习之计算机视觉开发环境搭建的详细流程(Ubuntu16.04+cuda9.0+cuDNN7.4.2+tensorflow_gpu)

    DL之IDE:深度学习之计算机视觉开发环境搭建的详细流程(Ubuntu16.04+cuda9.0+cuDNN7.4.2+tensorflow_gpu) 目录 1.安装nvidia驱动 2.安装CUDA ...

  4. 在Ubuntu上安装Keras深度学习框架

    目录 1)安装pip 2)安装Python科学套件 3)安装TensorFlow 4)安装keras 5)安装Jupyter Notebook 6)运行Keras 本文介绍如何在Ubuntu上安装Ke ...

  5. 深度学习框架Caffe源码解析

    作者:薛云峰(https://github.com/HolidayXue),主要从事视频图像算法的研究, 本文来源微信公众号:深度学习大讲堂.  原文:深度学习框架Caffe源码解析  欢迎技术投稿. ...

  6. 深度学习框架caffe及py-faster-rcnn详细配置安装过程

    深度学习框架caffe及py-faster-rcnn详细配置安装过程 配置环境: ubuntu14.04 CUDA7.5 1.准备工作 安装vim.python-pip.git sudo apt-ge ...

  7. HI3559A和AI深度学习框架caffe

    from:http://blog.sina.com.cn/s/blog_156e567660102ygdf.html 1.HI3559A支持深度学习框架caffe.其中的NNIE神经网络加速单元是主要 ...

  8. 深度学习框架Caffe, MXNet, TensorFlow, Torch, CNTK性能测试报告

    香港浸会大学对于深度学习框架Caffe, MXNet, TensorFlow, Torch, CNTK性能测试报告 http://dlbench.comp.hkbu.edu.hk/

  9. TensorFlow深度学习应用开发实战(深度学习简介和开发环境搭建)

    一.深度学习的发展及其应用 1.1 深度学习的发展历程 1956年,John McCarthy(约翰·麦卡锡)等人在美国达特茅斯学院(Dartmounth College)开会探讨如何使用机器模拟人的 ...

最新文章

  1. 华为鸿蒙概念机990,华为5G概念新机:鸿蒙OS系统+麒麟990+石墨烯 安卓机皇来势汹汹...
  2. Java - HtmlEmail 邮件发送
  3. 原来博客园的日历是这样用的!
  4. 我对Java Serializable(序列化)的理解和总结
  5. 从近两年的CVPR会议来看,目标检测的研究方向是怎么样的?
  6. 用Python递归做个多层次的文件执行
  7. CCNP精粹系列之二十四--BGP的水平分隔,推荐
  8. Oracle ORA-07445 [evaopn3()+384] 错误 分析
  9. linux c绑定cpu_Linux内核路径优化之多核心平台TCP优化
  10. SQLite使用报告
  11. Android程序对不同手机屏幕分辨率自适应的总结
  12. Chirp信号基础知识及matlab实现
  13. 广告行业中那些趣事系列36:腾讯2021广告大赛多模态视频广告标签baseline介绍和优化思路...
  14. python row函数_Python extmath.row_norms方法代码示例
  15. 怎样设置默认打印机(HttpPrinter 易桥打印中间件)
  16. 台式计算机用什么电源线,台式机电源怎么选 台式机主机电源如何选择【详解】...
  17. 处理txt文件下载下来以后,排版格式不对的问题
  18. Rails部署云环境配置(Passenger+Apache)
  19. 报表软件选型时应该知道的
  20. cublas 的学习笔记_1

热门文章

  1. 卷积神经网络基础:(8)递归神经网络RNN
  2. Eigen(1):Matrix模板类
  3. boost--文件、目录操作
  4. Blender中的Python脚本介绍学习教程
  5. 3G重选至4G--基于优先级
  6. 探测参考信号(Sounding Reference Signal)
  7. SHELL 技能树(持续更新)
  8. 使用dd查看磁盘前4个扇区的内容
  9. 二叉树 2.0 -- 非递归遍历
  10. springboot之异步调用@Async