《使用VS2013调用caffe》项目配置教程

最新推荐文章于 2018-04-17 10:54:06 发布

VickyD1023

最新推荐文章于 2018-04-17 10:54:06 发布

阅读量3.5k

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/q6324266/article/details/52624286

Deep Learning 同时被 2 个专栏收录

15 篇文章

订阅专栏

C++

8 篇文章

订阅专栏

本文介绍如何在VS2013环境下配置Caffe，并提供了详细的步骤指导，包括环境变量设置、项目配置、依赖项添加及解决常见错误等。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

c++调用caffe在caffe的example目录里面有。这篇博客并不分析调用的代码，而是VS2013对caffe调用的配置。

运行caffe所用到的第三方库可以在这里下载，该库已经包含opencv3.0。将第三方库解压至caffe主目录。

这里以配置release模式x64程序为例。以下编译CPU模式。

首先需要设置系统的环境变量。在环境变量的path中添加第三方库的bin目录。例如：E:\caffe\caffe-windows-master\3rdparty\bin

接下来的VS工程的配置

首先我们建立一个项目，新建项目->控制台程序->空项目。

1. 添加VC++包含目录

包含目录有三个：

.\3rdparty\include
.\include
.\src

2. 添加库目录

库目录有两个：

.\bin
.\3rdparty\lib

3. 添加附加依赖项

caffelib.lib
kernel32.lib
user32.lib
gdi32.lib
winspool.lib
shell32.lib
ole32.lib
oleaut32.lib
uuid.lib
comdlg32.lib
advapi32.lib
libprotobuf.lib
hdf5_tools.lib
hdf5_hl_fortran.lib
hdf5_fortran.lib
hdf5_hl_f90cstub.lib
hdf5_f90cstub.lib
hdf5_cpp.lib
hdf5_hl_cpp.lib
hdf5_hl.lib
hdf5.lib
zlib.lib
szip.lib
opencv_world300.lib
shlwapi.lib
leveldb.lib
libglog.lib
lmdb.lib
libopenblas.dll.a
libgflags.lib

4. 添加预处理器定义

_VARIADIC_MAX=10
WIN32
NDEBUG
_CONSOLE
CPU_ONLY
USE_OPENCV
USE_LEVELDB
USE_LMDB
_SCL_SECURE_NO_WARNINGS

5. 运行库改成多线程DLL

项目属性- -> C/C++ --> 运行库 --> 多线程DLL(/MD)

6. 编译运行

将caffe里example中cpp_classification的代码复制过来，编译运行。

7. 在代码中添加头文件

如此运行一般来说会报错。除非你直接在官方的解决方案上建立的工程。

报错信息为：

F0519 14:54:12.494139 14504 layer_factory.hpp:77] Check failed: registry.count(t ype) == 1 (0 vs. 1) Unknown layer type: SoftMax (known types: Convolution )

解决的方法很简单。新建一个头文件，比如：head.h。在头文件中添加如下代码：

#include "caffe/common.hpp"   
#include "caffe/layers/inner_product_layer.hpp"  
#include "caffe/layers/dropout_layer.hpp"  
#include "caffe/layers/conv_layer.hpp"  
#include "caffe/layers/relu_layer.hpp"  
#include "caffe/layers/concat_layer.hpp"
#include "caffe/layers/pooling_layer.hpp"  
#include "caffe/layers/lrn_layer.hpp"  
#include "caffe/layers/softmax_layer.hpp"  


namespace caffe
{
	extern INSTANTIATE_CLASS(InnerProductLayer);
	extern INSTANTIATE_CLASS(DropoutLayer);
	extern INSTANTIATE_CLASS(ConvolutionLayer);
	REGISTER_LAYER_CLASS(Convolution);
	extern INSTANTIATE_CLASS(ReLULayer);
	REGISTER_LAYER_CLASS(ReLU);
	extern INSTANTIATE_CLASS(PoolingLayer);
	REGISTER_LAYER_CLASS(Pooling);
	extern INSTANTIATE_CLASS(LRNLayer);
	REGISTER_LAYER_CLASS(LRN);
	extern INSTANTIATE_CLASS(SoftmaxLayer);
	REGISTER_LAYER_CLASS(Softmax);
	extern INSTANTIATE_CLASS(ConcatLayer);

}

看自己报错的信息，少什么层就加上什么。每个网络用到的层不一样，所以以上代码并不是对所有工程通用。