ncnn Windows10 64bit编译配置

前言

本篇博客记录在Windows10 64bit上配置Tencent ncnn的过程，这里使用的Visual Studio版本为2015，CMake-3.14。注意： 这里配置的并不可以在VS中跟踪到cpp文件，这样的需要通过工程添加源码配置，但是这样的安装方式并不是性能最优的

安装参考文档：Build for Windows x64 using Visual Studio Community 2017

step1： protobuf编译

Protobuf的下载路径是：protobuf。下载完成之后解压压缩包，之后打开VS2015 x64本机工具命令提示符

之后进入压缩目录，执行如下命令：

mkdir build-vs2015
cd build-vs2015
cmake -G"NMake Makefiles" -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=%cd%/install -Dprotobuf_BUILD_TESTS=OFF -Dprotobuf_MSVC_STATIC_RUNTIME=OFF ../cmake
nmake
nmake install

出现这样便是安装成功：

step2：编译ncnn

解压下载下来的ncnn压缩包，进入ncnn目录创建build文件夹：

mkdir -p build-vs2015
cd build-vs2015

这里需要注意的是依赖库和主项目，要使用同样的build type（Debug/Release）。这里都通过cmake的-DCMAKE_BUILD_TYPE=Release指定，这里选用的type是Release

cmake -G"NMake Makefiles" -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=%cd%/install -DProtobuf_INCLUDE_DIR=E:/VS_ncnn/protobuf/build_vs2015/install/include -DProtobuf_LIBRARIES=E:/VS_ncnn/protobuf/build_vs2015/install/lib/libprotobuf.lib -DProtobuf_PROTOC_EXECUTABLE=E:/VS_ncnn/protobuf/build_vs2015/install/bin/protoc.exe ..
nmake
nmake install

安装log：

step3：VS2015配置

首先，新建Win32应用台控制程序，之后开始配置过程，配置包含目录：

配置库目录：

配置Windows运行库目录：

配置附加依赖项：

编写示例代码：

#include "stdafx.h"
#include <opencv2\opencv.hpp>
#include <map>
#include <vector>  
#include <algorithm>  
#include <functional>  
#include <cstdlib> 
#include <iostream>
#include <stdio.h>
#include <stdlib.h>
#include <net.h>

static int detect_squeezenet(const cv::Mat& bgr, std::vector<float>& cls_scores)
{
	ncnn::Net squeezenet;
	squeezenet.load_param("E:/VS_ncnn/ncnn/examples/squeezenet_v1.1.param");
	squeezenet.load_model("E:/VS_ncnn/ncnn/examples/squeezenet_v1.1.bin");

	ncnn::Mat in = ncnn::Mat::from_pixels_resize(bgr.data, ncnn::Mat::PIXEL_BGR, bgr.cols, bgr.rows, 227, 227);

	const float mean_vals[3] = { 104.f, 117.f, 123.f };
	in.substract_mean_normalize(mean_vals, 0);

	ncnn::Extractor ex = squeezenet.create_extractor();

	ex.input("data", in);

	ncnn::Mat out;
	ex.extract("prob", out);

	cls_scores.resize(out.w);
	for (int j = 0; j<out.w; j++)
	{
		cls_scores[j] = out[j];
	}

	return 0;
}

static int print_topk(const std::vector<float>& cls_scores, int topk)
{
	// partial sort topk with index
	int size = cls_scores.size();
	std::vector< std::pair<float, int> > vec;
	vec.resize(size);
	for (int i = 0; i<size; i++)
	{
		vec[i] = std::make_pair(cls_scores[i], i);
	}

	std::partial_sort(vec.begin(), vec.begin() + topk, vec.end(),
		std::greater< std::pair<float, int> >());

	// print topk and score
	for (int i = 0; i<topk; i++)
	{
		float score = vec[i].first;
		int index = vec[i].second;
		fprintf(stderr, "%d = %f\n", index, score);
	}

	return 0;
}

int main()
{
	std::string imagepath = "./test.jpg";
	cv::Mat m = cv::imread(imagepath, CV_LOAD_IMAGE_COLOR);
	if (m.empty())
	{
		std::cout << "cv::imread " << imagepath << " failed\n" << std::endl;
		return -1;
	}

	std::vector<float> cls_scores;
	detect_squeezenet(m, cls_scores);

	print_topk(cls_scores, 3);

	return 0;
}

从网上搜索一张喵咪的图片进行测试得到测试结果：

上面的分类在ImageNet中去查找对应的分类为：

类别序号	分类描述
281	‘tabby, tabby cat’
282:	‘tiger cat’
285:	‘Egyptian cat’

遇到的问题：

1. _CRT_SECURE_NO_WARNINGS，这类问题比较普遍自行解决就好了链接

参考

1. Visual Studio上编译ncnn
   对于需要源码调试的请将src中源码配置到工程目录再做适当修改，这里偷懒就不写具体操作了，本人配置之后运行结果与链接库文件的结果一致，具体可以留言或是邮件交流，可以参考下面文章进行配置：
2. 腾讯ncnn-20180129版本在windows+VS2013上调试运行
3. 腾讯开源ncnn:示例程序运行