（3）Windows平台下caffe的python接口配置及测试

一、前言

在博文(1) Windows 10 + VS2013（cpuonly）安装 caffe 教程 中我介绍了怎样在windows上安装微软封装的caffe。但是为了避免出现问题，安装的时候我们是将PythonSupport设置为false。python使我们机器学习和深度学习爱好者最常使用的语言，我们经常需要在python中使用caffe。在这篇博客中，我们就来学习怎样在python中配置caffe。在这里还是要使用到安装caffe时使用的caffe-master和VS2013。

二、配置python接口

2.1 修改配置文件

修改配置文件CommonSettings.props，这里有两处需要修改。首先是修改PythonSupport为true，然后在PythonDir设置python.exe（注意是python2）所在的位置。完成后保存。

2.2 安装需要的python库

activate py2 #启动配置caffe的python虚拟环境
conda install numpy #安装numpy库
conda install protobuf #安装protobuf

不安装numpy和protobuf编译可能会出现错误。

2.3 编译和使用pycaffe

选择解决方案caffe下的pycaffe，然后生成Release版本pycaffe。

生成成功后在caffe-master\Build\x64\Release\pycaffe文件夹下会生成caffe文件夹和一些文件。

直接将生成的caffe文件夹拷贝到python安装的根目录下的Lib\site-packages文件夹下即可。到此就将caffe配置在python中了。

三、测试python中的caffe配置

3.1 在python中导入caffe模块测试

在cmd中进入python，然后导入caffe模块。可能会提示缺少某些module，只需要根据提示把缺少的module安装上即可。

还可能会出现 ImportError: No module named google.protobuf.internal ，只需要输入如下命令安装protobuf 模块即可。

conda install protobuf  

安装完所有依赖的包之后再导入caffe将不会再出现异常。

3.2 训练模型测试

还是使用上一篇博客Windows下caffe安装成功测试中使用的mnist数据集。数据处理部分已将在上一篇博客中介绍，不再介绍。进入caffe-master文件夹，新建demo.py，并将如下代码拷贝到其中。

import caffe
caffe.set_mode_cpu()
solver = caffe.SGDSolver('examples/mnist/lenet_solver.prototxt')
solver.solve()

然后进入cmd输入python demo.py，执行python脚本。开始训练模型。

训练过程中会输出一些信息。输出Optimization Done. 表示训练结束。并且会输出训练好的模型。

四、后记

在配置好python接口后，我在使用的过程中，发现C++接口又不好使了。使用命令行caffe.exe train --solver=''进行训练，弹出应用程序无法正常启动0xc000007b

此时我想到，之前还是好用的，我除了打开python接口重新编译了pycaffe，其他什么都没有更改。所以我把python接口关闭，重新编译整个解决方案，提示成功编译16个项目。此时C++接口 caffe.exe可以正常工作。由于之前pycaffe下的caffe已经拷贝进python的环境下，此时python接口也是正常的。至此caffe-windows配置结束。

五、参考

1. 【caffe-Windows】微软官方caffe之 Python接口配置及图片生成实例
2. 使用caffe提供的python接口训练mnist例子

六、更多

1. Windows 10 + VS2013（cpuonly）安装 caffe 教程
2. Windows下caffe安装成功测试