Windows10+CUDA8.0+VS2015+CUDNN5下配置caffe

              版权声明：本文为博主原创文章，未经博主允许不得转载。                    https://blog.csdn.net/zhj_matlab/article/details/69943869               </div><link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/template/css/ck_htmledit_views-f57960eb32.css"><div id="content_views" class="markdown_views"><!-- flowchart 箭头图标 勿删 --><svg xmlns="http://www.w3.org/2000/svg" style="display: none;"><path stroke-linecap="round" d="M5,0 0,2.5 5,5z" id="raphael-marker-block" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);"></path></svg><h2 id="前言"><a name="t0"></a>前言</h2>

在参照了网上的博客和官方给的说明后我终于配置好了我的caffe，比较坑爹的是我一开始是直接按照博客给的方法配置的，总是出问题。待我静下心来去看官方的文档发现文档是有调整的，所以按部就班地按别人的思路是配置不好的。另外由于它配置的命令build_win.cmd命令是有可能会修改的，如果大家发现我说的和他给的build_win.cmd不一样，还需要多加留心。

1.下载所需要的文件

我所用的caffe地址，里面的官方说明。

必须需要的环境是：
根据官方的说明，需要VS2015或2013(Ninja 也可以)。
cmake需要3.4版本以上的。
可供选择的是：
Anaconda Python2.7 or 3.5 x64(or Miniconda)
MATLAB的接口
CUDA8.0
cuDNN v5

我的环境是
1.VS2015
2.cmake 3.7.2
3.Anacaonda Python 2.7 x64
4.CUDA8.0
5.cuDNN v5.1

一定要明白自己的配置环境，因为官方给的配置环境不一定和你的一样，我就进行了一定的修改，待会我会写出来修改的地方，如果你的环境和我不一样需要留心。

下载链接以及说明：
1.caffe可以先不下，待会用cmd命令下载就好
2.cmake(https://cmake.org/download/)
3.Anacaonda Python 2.7 x64(https://www.continuum.io/downloads)
4.下载相应的caffe依赖包，地址https://github.com/willyd/caffe-builder/releases/

仅GPU：
5.CUDA8.0 （https://developer.nvidia.com/cuda-downloads）
下载CUDA8.0的时候我就犯蠢了，我以为它的版本指的是CUDA的版本，我就想当然的在Version里下了8.1的，白白浪费了我宝贵的时间，其实它的版本指的是Windows的版本。

6.cuDNN v5.1
初次下载会让你注册，注册完就可以下载了。

我下的是5.1的。

根据要求，下载完成后，需要将cuDNN v5.1解压后的cuda文件拷贝至NVIDIA GPU Computing Toolkit\CUDA\v8.0文件夹下，比如我的是
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0。

2.配置caffe：

官方说明：

1.首先打开cmd命令行，切换到文件存储的路径。然后执行Git等一系列命令，按照说明的来，先执行前三句，比如我的是:

2.接着根据自己的情况修改caffe\scripts\bulid_win.cmd命令，把后缀名修改成txt，用vs2015将build_win.txt打开。
2.1修改里面的22-25行。

 :: Set python 2.7 with conda as the default pythonif !PYTHON_VERSION! EQU 2 (set CONDA_ROOT=C:\Miniconda-x64  //如果用的是Miniconda-x64则不用修改，如果是Anaconda，则改成自己的路径，比如我的是C:\Anaconda2)

python3.5的则对应修改26-29行。
2.2修改里面的68-90行

) else (:: Change the settings here to match your setup:: Change MSVC_VERSION to 12 to use VS 2013if NOT DEFINED MSVC_VERSION set MSVC_VERSION=14 //用vs2013的把这里修改成12:: Change to 1 to use Ninja generator (builds much faster)if NOT DEFINED WITH_NINJA set WITH_NINJA=1  //用vs2015的把这里修改成0:: Change to 1 to build caffe without CUDA supportif NOT DEFINED CPU_ONLY set CPU_ONLY=0   //只编译CPU的把这里修改成1:: Change to Debug to build Debug. This is only relevant for the Ninja generator the Visual Studio generator will generate both Debug and Release configsif NOT DEFINED CMAKE_CONFIG set CMAKE_CONFIG=Release:: Set to 1 to use NCCLif NOT DEFINED USE_NCCL set USE_NCCL=0:: Change to 1 to build a caffe.dllif NOT DEFINED CMAKE_BUILD_SHARED_LIBS set CMAKE_BUILD_SHARED_LIBS=0:: Change to 3 if using python 3.5 (only 2.7 and 3.5 are supported)if NOT DEFINED PYTHON_VERSION set PYTHON_VERSION=2:: Change these options for your needs.if NOT DEFINED BUILD_PYTHON set BUILD_PYTHON=1if NOT DEFINED BUILD_PYTHON_LAYER set BUILD_PYTHON_LAYER=1if NOT DEFINED BUILD_MATLAB set BUILD_MATLAB=0  //需要MATLAB接口的把这里设置为1:: If python is on your path leave this aloneif NOT DEFINED PYTHON_EXE set PYTHON_EXE=python:: Run the testsif NOT DEFINED RUN_TESTS set RUN_TESTS=0:: Run lintif NOT DEFINED RUN_LINT set RUN_LINT=0:: Build the install targetif NOT DEFINED RUN_INSTALL set RUN_INSTALL=0
)

2.3 把后缀名改回cmd，在命令行下运行最后一句配置命令。

3.当你执行最后一句命令的时候，它会下载一个依赖包，并且自动在C盘用户文件夹上生成.caffe文件夹，下载的依赖包就放到里面。如你所见，下载速度贼慢，而且有可能出错，所以推荐自己下载然后放在指定位置。把你下载的caffe依赖包压缩文件放到C盘用户文件夹下生成.caffe文件夹，如我的位置是在C:\Users\John.caffe\dependencies\download。
建议先运行build_win.cmd命令，如果速度太慢再把它关闭，这样就不需要自己创建对应的文件夹，只需把压缩文件拷贝就行。
4.再运行一次build_win.cmd命令，这次不会有什么问题，等待一小段时间后cmake就把vs2015的项目给创建出来了。
5.在caffe\scripts\build文件夹下就生成了caffe.sln，用vs2015将其打开，并在release x64或者Debug x64生成ALL_BUILD文件即可

最后没有报错，那么配置就告一段落了。

3.测试caffe.exe

参见Windows下VS2015编译caffe(CPU ONLY)
下载MNIST数据库https://pan.baidu.com/s/1o7YrhKe，解压缩后将mnist-test-leveldb与mnist-train-leveldb文件夹放到\examples\mnist下

修改lenet_train_test.prototxt文件：

//需要修改四处地方，如下红色部分标注
name: "LeNet"
layer {  name: "mnist"  type: "Data"  top: "data"  top: "label"  include {  phase: TRAIN  }  transform_param {  scale: 0.00390625  }  data_param {  source: "....省略/examples/mnist/mnist-train-leveldb" //写上你的绝对路径 ，比如我的是E:\caffe\examples\mnist\mnist-train-leveldbbatch_size: 64  backend: LEVELDB //格式改成LEVELDB  }
}
layer {  name: "mnist"  type: "Data"  top: "data"  top: "label"  include {  phase: TEST  }  transform_param {  scale: 0.00390625  }  data_param {  source: "....省略/examples/mnist/mnist-test-leveldb" //写上你的绝对路径  batch_size: 100  backend: LEVELDB  //格式改成LEVELDB  }
}

修改lenet_solver.prototxt文件：

net: "....省略/examples/mnist/lenet_train_test.prototxt"  //绝对路径  snapshot_prefix: "....省略/examples/mnist/lenet" //绝对路径  solver_mode: CPU //CPU模式如果的配置了GPU也可以选择GPU

编写批处理文件run.bat内容如下：

E:\caffe\scripts\build\tools\Release\caffe.exe  train--solver=E:\caffe\examples\mnist\lenet_solver.prototxt
//exe处写自己的绝对路径
Pause

上面替换为你的文件绝对路径就可以
双击run.bat程序能够运行，并且之后也不会报错，那么恭喜你，Caffe-Windows配置成功了。