caffe---简单部署记录

Win7x64+cuda8.0+ Microsoft caffe VS2013配置记录 感觉这1080和CUDA8又是坑,Caffe这么难配,果然是比不上别的框架。 配完之后,想了想我佛慈悲,分享一下配置过程,功德无量。。。   主要 参考了    win10 + gtx1060 + cuda8.0 + caffe + vs2013   Caffe常见问题解决:NuGet Error,无法打开输入文件“opencv_calib3d240d.lib” 阅读详情

一、window10+cpu+vs2013(最低配)

1、安装vs2013,找个大神的盘下载安装下
安装视频:https://www.bilibili.com/video/BV1KW41137oS?from=search&seid=11270530043518749736
云盘链接:https://pan.baidu.com/s/1OwKfGNcS4Fj0zVZG8gzCzQ() 
密码:47m1
2、下载caffe包
教程链接:https://blog.csdn.net/zb1165048017/article/details/51355143
版本:采用微软工具包,caffe-master
创建工作目录:CaffeDev/caffe-master,这样存放路径
进入目录:CaffeDev/caffe-master/windows
复制修改:CommonSettings.props.example文件为CommonSettings.props
修改CommonSettings.props文件内容:
        <CpuOnlyBuild>true</CpuOnlyBuild>(开使用cpu)
        <UseCuDNN>false</UseCuDNN>(关使用gpu)
        <CudaVersion>10.1</CudaVersion>(版本号)
下载第三方库:这个自动没成功,不知道怎么调,直接用大佬给的包
链接:https://pan.baidu.com/s/1vir1vNxHYbM_SGkLjiWrEg
密码:1id9
下载好解压到:CaffeDev\NugetPackages
使用vs2013打开:CaffeDev/caffe-master/windows/caffe.sln
修改个参数:改不改问题不大,看下教程链接
对所有项目(16):生成解决方案(比较耗时这里)
运行caffe.cpp:直接开始执行
成功!

二、加+python接口

1、需要:Anaconda,版本无所谓
2、通过anaconda建一个新的环境:
	conda create -n py27 python=2.7
	conda env list #查询下自己建的环境目录在哪,后面要用
3、进入新建环境:conda activate py27 或者 source activate py27
4、环境里还缺少一些必要的库:conda install numpy等,等下运行也有提示报错
	1)报错:ImportError: No module named skimage.io.
	  需要:conda install scikit-image
	2)报错:ImportError: No module named google.protobuf.internal
	  需要:conda install protobuf
	以上这些是我缺的库,我自己先安装了numpy库,所有不知道会不会这个库会不会报错
5、再修改下CommonSettings.props文件内容
        <PythonSupport>true</PythonSupport>#开python接口
        ...
        ...
        <PythonDir>C:\miniconda\anaconda\envs\py27\</PythonDir>
        #中间加的这个地址就是刚才查询的自己环境目录了改下
        #其他有需要再添加修改,如matlab
6、通过caffe.sln打开vs2013
	照着链接修改一些设定:https://blog.csdn.net/stalbo/article/details/84502535?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.control&dist_request_id=&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.control
	重新生成下解决方案:比较耗时这里
7、把生成的caffe添加到环境中去,放客户端环境吧,我是这么做的
	新建:PYTHONPATH 值:C:\caffeDev\caffe-master\Build\x64\Release\pycaffe
   也可以把编译好的caffe包直接加到py27环境里
   把文件C:\caffeDev\caffe-master\Build\x64\Release\pycaffe\caffe
   复制到:C:\miniconda\anaconda\envs\py27\Lib\site-packages
   两种方法都行,自己体会区别
8、进入py27环境开始验证效果吧
	>python
	>import caffe
	>
	#提示缺什么库就补充什么库吧

三、很牛逼但我还没试过的方案

1、anaconda :直接安装caffe库
https://blog.youkuaiyun.com/abcd740181246/article/details/89878613?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.control&dist_request_id=&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.control
此方法比较方便,可以试下,应该没问题,后面再尝试

四、加+gpu接口

待续。。。

参考配置方法:

> https://blog.youkuaiyun.com/zb1165048017/article/details/51355143
> https://blog.youkuaiyun.com/qq_30638831/article/details/81877926?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_title-0&spm=1001.2101.3001.4242
> https://blog.youkuaiyun.com/qq_33963007/article/details/80406671?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.control&dist_request_id=&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.control
> https://blog.youkuaiyun.com/sinat_27403413/article/details/52791489?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-5.control&dist_request_id=1328680.52286.16163915461595785&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-5.control
> https://zhuanlan.zhihu.com/p/22129880
> https://blog.youkuaiyun.com/u012838792/article/details/83033475?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_title-8&spm=1001.2101.3001.4242

如有问题,请留言交流,相互学习进步!感谢开源!

Docker 快速安装caffe步骤 1.打开 2.解压 3.将这个压缩包传到linux里面 (我的环境如下: 我在win7虚拟机里面装的linux,用xshell用具链接linux,xftp实现win7和linux文件的传输。 3 可以使用 docker import 从容器快照文件中再导入为镜像,例如 cat ubuntu_c affe.tar | sudo docker import - test/ubuntu_caffe:v1.0 docker images 4建一个 Docker 实例: docker run -i -t test/ubuntu_caffe:v1.0 /bin/bash 5 执行训练: cd ~ cd caffe ./examples/mnist/train_lenet.sh 比较慢,多等一会儿!!! PS:centos7安装docker(其他版本安装centos自行百度) CentOS 7 中 Docker 的安装 Docker 软件包已经包括在默认的 CentOS-Extras 软件源里。因此想要安装 docker,只需要运行下面的 yum 命令: 1.[root@localhost ~]# yum install docker 启动 Docker 服务 安装完成后,使用下面的命令来启动 docker 服务,并将其设置为开机启动: 1.[root@localhost ~]# service docker start 2.[root@localhost ~]# chkconfig docker on (LCTT 译注:此处采用了旧式的 sysv 语法,如采用CentOS 7中支持的新式 systemd 语法,如下: 1.[root@localhost ~]# systemctl start docker.service 2.[root@localhost ~]# systemctl enable docker.service ) 立即下载

相关推荐

GD32F4系列定时器正交译码器实战:用TIMER1读取旋转编码器信号(附完整代码)

本文详细介绍了GD32F4系列定时器正交译码器的实战应用,重点讲解如何使用TIMER1模块高效读取旋转编码器信号。内容涵盖硬件连接、定时器配置、方向判断与速度计算等关键环节,并提供了完整的代码实现和优化建议,帮助开发者快速掌握GD32微控制器在工业控制和消费电子领域的编码器接口设计。

weixin_29169505的博客 201

深度学习框架---Caffe

Caffe 是一个专为计算机视觉设计的深度学习框架,由伯克利AI实验室于2014年开发,基于BSD-2开源协议。其核心特点包括高效的速度(C++/CUDA实现)、易用性(通过Protobuf配置文件定义网络结构)以及活跃的社区支持。Caffe 在图像分类、目标检测和语义分割等任务中表现优异,并支持嵌入式设备和移动端部署。其架构由Net、Layer、Blob、Solver和Backend等核心组件构成,支持CPU和GPU计算。

MzKyle的博客 1628

基于多智能体深度强化学习的空地协同通信系统轨迹设计与访问控制

所属子方向: UAV assisted communication 名词注释 coordinated:协调、协同 base stations 基站,公用移动通信基站,是移动设备接入互联网的接口设备,是指在一定的无线电覆盖区中,通过移动通信交换中心,与移动电话终端之间进行信息传递的无线电收发信电台。 UAV-BS:无人机基站 cooperative-competitive game:合作竞争博弈 throughput :吞吐量,每秒比特数 bps,bits per second Determinis

skysys的研究小屋 4969

windows下部署caffe版的py-faster-rcnn(GPU版本)

折腾了三天整,终于搞明白了windows下py-faster-rcnn安装。一度想要从入门到放弃。本人在ubuntu上复现了FAIR的 detectron ,以及RBG的py-faster-rcnn,按照网上或者我博客里的教程可以比较轻松地实现。可是唯独windows版的py-faster-rcnn复现部署是个坑,原因有以下三点:1. RBG不再更新py-faster-rcnn,导致fast rc...

一江明澈的水的专栏 2479

DP83848以太网PHY芯片:自动协商与MII/RMII接口实战解析

以太网物理层(PHY)芯片是嵌入式网络通信的核心,负责数字信号与模拟信号的转换,其稳定性和兼容性直接影响系统性能。其工作原理基于IEEE标准,通过管理接口(MDC/MDIO)配置内部寄存器,实现链路速率、双工模式等关键参数的设定。这项技术的核心价值在于为工业控制、汽车电子等严苛环境提供可靠、自适应的网络连接。在实际应用中,PHY芯片通过自动协商(Auto-Negotiation)功能与对端设备智能匹配最佳通信模式,极大提升了产品的易用性。同时,其支持的MII与RMII接口为硬件设计提供了灵活性,前者是标准并

weixin_29189987的博客 374

SAP Script表单开发中ABAP preform方法的实战应用与调试技巧

本文深入探讨了在SAP Script表单开发中调用ABAP程序(preform方法)的实战应用与调试技巧。通过一个获取供应商版本名称的实例,详细讲解了如何在SE71中嵌入PERFORM指令、编写ABAP子程序进行数据查询与处理,并重点介绍了使用SAP Script Debugger进行高效调试的方法,帮助开发者灵活扩展表单功能,实现复杂业务逻辑。

o0p1q2r3的博客 551

Caffe 中数据及部署层的使用

Caffe 中数据及部署层的使用 文章目录Caffe 中数据及部署层的使用一、Caffe 中的数据层1、数据预处理层参数2、数据层参数3、数据层示例二、Caffe 中的部署层的设置( Input Layer )三、参考资料 一、Caffe 中的数据层 1、数据预处理层参数 // transform_param message TransformationParameter { option...

Man 1558

达梦数据库连接报错6001网络通信异常

本文主要记录客户端连接达梦数据库报错6001网络通信异常问题分析过程、问题原因以及问题解决方法。

chen_zizi2025的博客 2769

AI读脸术极速启动秘诀:Caffe模型部署参数详解

本文介绍了如何在星图GPU平台上自动化部署AI 读脸术 - 年龄与性别识别镜像,基于轻量级Caffe模型实现本地化人脸属性分析。用户上传单张照片即可实时获取性别与年龄段标签,典型应用于智能门禁身份初筛、零售客流画像分析等场景,全程无需GPU依赖,CPU即可高效运行。

weixin_29215509的博客 966

手把手教你学Simulink--逆变器场景:基于Simulink的单相全桥逆变器PWM控制仿真建模

本文介绍了使用Simulink和Simscape Electrical库进行单相全桥逆变器PWM控制仿真建模的详细步骤。主要内容包括:从创建Simulink项目、添加电力电子组件、构建逆变器模型,到设置参数、运行仿真和结果分析。重点讲解了逆变器核心模块的配置、PWM信号生成、负载建模等关键环节,并提供了优化改进建议。该指南适用于电力电子初学者,通过仿真可以帮助理解单相全桥逆变器的工作原理和PWM控制技术,为实际应用和算法开发提供基础平台。

MHD0815的博客 665

扩充两个三维体积:ITK实现

在医学图像处理中,经常需要进行 3D 体积的操作,比如合并、分割等。而 ITK (Insight Segmentation and Registration Toolkit) 是一个常用的开源库,可以用于实现各种医学图像处理算法。这篇文章将介绍如何使用 ITK 实现扩充两个三维体积的操作。不过以上代码已经足够简单明了地演示了如何使用 ITK 实现扩充两个三维体积的操作。首先,我们需要准备两个三维体积的数据。这里假设这两个体积大小相同,并且已经加载到内存中了。来读取和保存体积数据,使用了。

CodeVorter的博客 204

Python 中 Caffe 库的使用方法

它特别适用于图像分类和图像分割任务。以下是一个关于如何使用 Caffe 库的详细指南,包括安装、配置、构建和训练模型的步骤。Caffe 是一个强大的深度学习框架,尤其适用于计算机视觉任务。无论是从安装、配置、数据预处理、模型训练到评估和可视化,Caffe 都提供了完整的解决方案,帮助开发者高效地进行深度学习研究和应用。Caffe 支持微调预训练模型,即在已有模型的基础上进行训练以适应新的任务。在训练和评估模型时,需要对数据进行预处理。Blob: 是 Caffe 中的数据结构,用于存储和传输数据和梯度。

roc_ever的博客 973

【YOLO26保姆级零踩坑教程】环境搭建+五大任务快速入门,一行代码实现检测/分割/姿态/OBB/分类(Win+Linux全适配)

YOLO26环境搭建与实战指南:零踩坑全适配 本文是YOLO26全栈技术专栏的入门篇,提供Windows/Linux双系统的纯实战环境搭建指南,主打零踩坑、全适配。YOLO26基于Ultralytics框架优化,无需编译源码或手动下载权重,原生支持多任务推理。 环境配置关键点: 必须安装Ultralytics 8.4.0及以上版本 支持CPU/GPU环境,推荐Python 3.8-3.11 提供清华源配置解决下载慢问题 安装步骤: CPU版:一键安装Ultralytics和OpenCV GPU版:匹配CUD

专注于Python爬虫开发,分享爬虫技巧、项目实战与反爬经验,使用Scrapy、BeautifulSoup等工具,解决数据抓取难题。 774

基于Docker构建caffe环境

前言: 之前在搭建caffe环境的时候,总是踩各种坑,为来不踩gpu的坑,只能委屈使用cpu版本的caffe,那么接下来的福利就是这一切都不需要你去做了,只需要下拉一个caffe官方的docker环境,即可使用。白嫖的感觉真好! 实现: 1.基础环境要求: 2.安装nvidia-docker(v2.0): 参考:安装教程 3.更新docker下载源: sudo chmod -R 777 /etc/docker sudo cp /etc/docker/daemon.json /etc/d.

william_hehe的博客 1587

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

【Caffe2】Windows7下caffe2编译配置全记录(GPU版)

1. 准备工作 (1)安装CUDA、cuDNN (2)安装Python (3)安装Visual Studio (4)安装Cmake (5)安装依赖库 2. 编译Caffe2 (1)获取源码 (2)构建sln工程 (3)编译protobuf库 (4)编译Caffe2源码 【常见问题】 3.测试Caffe2 https://caffe2.ai/docs/getting-sta...

signal926的专栏 3293

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

Pytorch转Caffe最简单方法

由于需要移植模型到比特大陆,华为昇腾这些平台。他们基本都支持caffe的模型,对其他模型支持不太好。用其他方法pytorch转caffe不然就是绕道太多,不然就是很多坑。这里记录一个最简单的方法: import torch import torchvision from pytorch2caffe import pytorch2caffe def SaveDemo(): from torchvision.models import resnet name = 'resnet1...

固本培元的专栏 3760

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

caffe不支持relu6_人脸106点Caffe模型如何部署到MsnhNet

❝ 【GiantPandaCV导语】大家好,今天为大家介绍一下如何部署一个人脸106关键点模型到MsnhNet上,涉及到Caffe和Pytorch,MsnhNet模型转换,融合BN简化网络和如何编写MsnhNet预测代码等等。 ❞1. 前言之前,MsnhNet主要支持了将Pytorch模型转换为MsnhNet框架可以运行的模型文件(*.msnhnet和*.bin),并且我们在之前的Pytorch转...

weixin_39824033的博客 186

ubuntu16.04 caffe编译过程记录

ubuntu16.04  caffe编译过程记录   1、在指定的目录下,下载需要编译的caffe 创建目录XXX,在该目录下右键打开终端,clone 需要编译的caffe git clone https://github.com/BVLC/caffe.git   2、进入caffe目录,复制Makefile.config.example 到 Makefile.config 中,并...

sinat_23619409的博客 2756

【实验记录】FCN(Caffe)

写在前面,由于 FCN 是基于 Caffe 的,所以准备工作是先配置好 Caffe ~配置 Caffe 参考 :Ubuntu 16.04下Caffe的配置过程 这是 Caffe 的主程序,里面包含了各种网络层以及函数的实现。下载好之后,编译运行,跑通 mnist,证明你已经装好caffe。下面主要介绍的是:这里是官方已经训练好的 model,可以直接进行测试看看效果:http://dl.caffe.berkeleyvision.org/下载 FCN:fcn.berkeleyvision.org,并将 fcn

学习 & 分享 ~ 3958

【DeepLearning】【Caffe】基于Caffe官方教程简单介绍caffe和pycaffe接口使用方法

本文基于Caffe官方教程中的手写体数字识别项目记录caffe和pycaffe的使用方法.

RadiantJeral的博客 579

MXnet转caffe

mxnet虽好,但是mxnet框架还是有点小众,MXnet现在越来越受欢迎了,不过现在要把mxnet训练的模型部落地到移动端,有必要在Inference阶段将其转换为其他框架,以便后续统一部署和管理。Caffe作为小巧灵活的老资格框架,使用灵活,部署方便,所以尝试将mxnet训练的mobilefacenet模型转换为Caffe。这里简单记录用mxnet训的mobilefacenet模型转换为Caf...

u012101561的博客 2970

windows 10 下 Caffe + Matlab 部署

在 windows 10 下部署 Caffe 花了很多时间才调通,记录下 key 节点以便后续查询: 一、安装软件: 1、安装 Microsoft Virtual Studio 2013 / Matlab 2015a / CUDA 7.5: 需要注意的是, VS2013 需要先安装...

JungleKing的专栏 224

caffe学习记录

1.caffe和caffe2的区别官方说明:Caffe2 improves Caffe 1.0 in a series of directions:first-class support for large-scale distributed trainingmobile deploymentnew hardware support (in addition to CPU and CUDA)fle...

cplasf12的博客 317

PaddleSpeech Parallel WaveGAN 基准测试:从数据准备到单卡/多卡性能评测的完整实战指南

本篇技术文章围绕 [tests/benchmark/pwgan/README.md](https://link.gitcode.com/i/7d6fcae10b2f6c7282544838d7cacc17) 展开,详解 PaddleSpeech 中 Parallel WaveGAN(PWG)声码器的官方 benchmark 评测方案。读完本文,你将掌握:如何用一条 `./run_all.sh` 命

gitblog_00477的博客 744

yolov3/yolov4转为caffe模型 docker环境安装caffe1.x

yolov3/yolov4 模型转为 caffe 模型的详细步骤 1 部署 caffe 环境 常规的方法是下载 caffe 的源码,进行编译安装。但是,这种方法比较复杂,不太容易成功。更简单的方法是直接下载 caffe1.x 的docker 镜像。这种方法需要你提前在 Ubuntu 里安装了 nvidia-docker。 打开 docker hub 网站https://registry.hub.docker.com/ 搜索caffe: Tags->点击进去,下载对应的版本(我这里下次的是gpu版本命令

xiximimio的博客 560

人脸106点Caffe模型如何部署到MsnhNet

1. 前言 MsnhNet之前只支持Pytorch模型直接转换到MsnhNet框架可以运行的模型文件,并且我们在之前的Pytorch转Msnhnet模型思路分享分享了这个转换的思路。 最近拿到了一些需要部署在MsnhNet的Caffe模型,所以 ...

I good vegetable a! 581
上一篇: 聚类算法总结
下一篇: 关于美的探索
LMM_AI
博客等级 码龄7年 1粉丝 36原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值