环境

系统：Windows10 64位
GPU：GEFORCE 940M
cuda: 8.0
cudnn: 5.1
框架： caffe
语言： python（anaconda2）
编译软件：vs2013

安装

1.vs2013社区版

2.cuda 8.0

默认路径 C:\ProgramFiles\NVIDIA GPU Computing Toolkit

3.安装anaconda2

安装中勾选添加环境变量，cmd中能调用python就成功了
安装后再利用 pip install protobuf 安装protobuf（我也不知道干嘛用的，最后检查要装）

用清华大学源下载超快
使用方式：
pip install XXX -i https://pypi.tuna.tsinghua.edu.cn/simple

默认路径 C:\ProgramData\Anaconda2

4.cudnn 5.1

解压cudnn，将其中的cuda文件夹下的三个子文件夹拷贝至 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\ 目录下，替换原文件

解压得到的cuda文件夹放到同级目录下，如下图

5.caffe包下载

链接: link.https://github.com/Microsoft/caffe
NugetPackages 包可以自己下载好，放在caffe同级目录下

matlab接口配置出现错误，所以没用matlab，后改好gpu路径配置成功
cmake配置方法失败，应该安装git

配置caffe

进入caffe—master/windows，复制CommonSettings.props.example，重命名为CommonSettings.props

打开，修改第7，8，9，13，16，21（算力），24，48，53，55

matlab配置失败是因为这个gpu路径不会改，改成下面就ok了

然后打开caffe.sln，先改属性如下图

模式全改为release x64
然后build libcaffe，成功之后，在caffe-master文件夹中就会有一个Build文件夹
之后每个都编译一下
编译caffe项目
直接在项目pycaffe右键，点击生成即可（matcaffe，用于matlab）
classification：用来分类
compute_image_mean：计算均值
convert_cifar_dat：对cifat数据集进行转换
convert_mnist_data：对mnist数据集进行转换
编译无错后，将caffe-master\Build\x64\Release\pycaffe\caffe文件夹移动到C:\Anaconda2\Lib\site-packages文件夹中
然后打开cmd，python，import caffe，无错就成功了

mnist训练caffe

将下好的数据集解压到 D:\caffe\caffe-master\data\mnist

此目录下的get_mnist.sh 是用来下载数据集的，最初用不了是因为-wget指令需要包，配置好后可用（但这个速度不如自己下…）
要将数据集转换格式，在D:\caffe\caffe-master\examples\mnist下创建bat文件

D:\caffe\caffe-master\Build\x64\Release\convert_mnist_data.exe  D:\caffe\caffe-master\data\mnist\train-images.idx3-ubyte D:\caffe\caffe-master\data\mnist\train-labels.idx1-ubyte D:\caffe\caffe-master\examples\mnist\mnist_train_lmdb  echo.  D:\caffe\caffe-master\Build\x64\Release\convert_mnist_data.exe  D:\caffe\caffe-master\data\mnist\t10k-images.idx3-ubyte  D:\caffe\caffe-master\data\mnist\t10k-labels.idx1-ubyte D:\caffe\caffe-master\examples\mnist\mnist_test_lmdb pause

成功后该目录下会生成两个转换后的文件夹，分别是训练集和测试集

该目录下，修改网络模型的描述文件“lenet_train_test.prototxt” （它主要定义了模型的名称、网络架构、训练和测试集的路径等。在这里我们需要去修改的其实就是训练集和测试集的路径。）
和求解（超参数）文件 “lenet_solver.prototxt”（它的内容就是一些网络学习训练的超参数，像基础学习率、测试间隔、权重衰减率、动量、学习率策略、最大迭代步长等等。当然还包含了我们所要训练的网络结构描述文件的路径，还有训练之后模型的保存路径）
修改后如下

可以将prototxt文件放在以下的网址，查看网络的结构：https://ethereon.github.io/netscope/#/editor
开始训练

D:/caffe/caffe-master/Build/x64/Release/caffe.exe train --solver=D:/caffe/caffe-master/examples/mnist/lenet_solver.prototxtPause

桌面下运行，最后\可以，\会出错…（转义和路径的区别，路径统一用/就好了）
训练结果都差不多

模型测试

模型训练好后，在examples\mnist\目录下多了caffemodel模型文件，因此在caffe-master目录下创建test_mnist.bat文件，并运行即可
用验证集测试

D:/caffe/caffe-master/Build/x64/Release/caffe.exe test -model=D:/caffe/caffe-master/examples/mnist/lenet_train_test.prototxt -weights=D:/caffe/caffe-master/examples/mnist/lenet_iter_10000.caffemodel -iterations=100
pause

之后可以测试单张图片了，创建一张28x28, 256位黑底白字的图片，如下，命名为num.bmp, 放到examples/images/路径下

在examples目录下创建python文件test_mnist_num.py，注意路径，代码如下：

import os.path as osp
import caffethis_dir = osp.dirname(__file__)
model_file = osp.join(this_dir, 'D:/caffe/caffe-master/examples/mnist/lenet.prototxt')
pretrained = osp.join(this_dir, 'D:/caffe/caffe-master/examples/mnist/lenet_iter_10000.caffemodel')
image_file = osp.join(this_dir, 'D:/caffe/caffe-master/examples/images/num.bmp')input_image = caffe.io.load_image(image_file, color=False)
net = caffe.Classifier(model_file, pretrained)
prediction = net.predict([input_image], oversample=False)
caffe.set_mode_gpu()print 'predicted_class:', prediction[0].argmax()

之后在cmd中运行，结果如下

win10 caffe安装，mnist训练，测试相关推荐

(caffe入门)windows caffe 之 mnist 训练
文章目录 1. mnist 数据集下载 2. mnist 数据集转换 3. 修改网络结构文件 lenet_train_test.prototxt 和网络求解文件 lenet_solver.proto ...
win10 caffe 安装
Caffe安装及问题解决 Windows+Caffe+VS2013 1.无GPU安装 1.1.caffe安装包下载,https://github.com/Microsoft/caffe 为什么下载这个 ...
MNIST 训练测试
如下是用的是普通的前馈神经网络,输入层节点为784,隐层节点500,输出层10.这是一个标准的讲解DeepLearning中,在Tensorflow, Pytorch框架下的典型的用于识别MNIST手 ...
mmrotate自定义数据集安装部署训练测试
环境 Ubuntu18.04 cuda10.2 python3.7 2080s 一.安装 conda create -n mmrotate python=3.7 conda activate mmro ...
numpy实现全连接网络进行mnist训练测试
import numpy as np import matplotlib.pyplot as plt from sklearn.utils import shuffle from sklearn.mo ...
40系笔记本（可不联网激活）深度学习生产力（环境配置和简单训练测试）
40系笔记本深度学习.转码生产力(环境配置和简单训练测试)这里写自定义目录标题深度学习环境准备 CUDA.CUDNN版本问题 torch版本问题其他软件版本的安装命令训练测试代码地址关于Lin ...
caffe安装，编译（包括CUDA和cuDNN的安装），并训练，测试自己的数据（caffe使用教程）
caffe是一个非常清晰且高效的深度学习框架,目前有着不少的用户,也渐渐的形成了自己的社区,社区上可以讨论相关的问题. 我从开始看深度学习的相关内容到能够用caffe训练测试自己的数据,看了不少网站, ...
【caffe】mnist数据集lenet训练与测试
在上一篇中,费了九牛二虎之力总算是把Caffe编译通过了,现在我们可以借助mnist数据集,测试下Caffe的训练和检测效果. 准备工作:在自己的工作目录下,新建一个文件夹,命名为mnist_test ...
caffe安装_目标检测之caffe-ssd模型训练与测试
最近把一个ssd网络的net..prototxt网络结构和自己生成的hdf5格式数据一起做训练时发现经常报错,因为ssd中一些层在caffe中并没有实现,需要自己写相应的.cpp,.cu文件重新编译, ...
ubuntu16.04+nvidia gt740m+cuda7.5+caffe安装、测试经历
首先说明,这是在笔记本上的安装测试经历,首先安装的win10,然后安装ubuntu16.04双系统,显卡为nvidia gt740m win10上没有装nvidia gt740m驱动,也就是用的集显, ...

win10 caffe安装，mnist训练，测试

环境

安装