caffe配置

实验环境:win10,vs2015,matlab2016b,cmake3.9,Anaconda3.5,only cpu(没有显卡。。。).
caffe简单介绍
caffe是用C++语言编写的深度学习框架,作者是贾扬清,我在知乎上截取了一段关于他的简介。咳咳,膜拜一下
caffe因为是开源的,所以可以直接修改其C++源码,调整基本的layer结构和求解算法等。当然除了使用C++外,caffe还提供python、matlab接口,十分友好。我我们这次配置caffe的主要目的是:利用caffe框架,配置matlab接口,实现超分重建。
第一步下载开源代码
方法一:在github网站上直接下载:

点击下载,就可以了,简单

*方法二*:在cmd命令行直接操作。进入你想下载的文件下。输入下面的命令:
C:\Projects> git clone https://github.com/BVLC/caffe.git
C:\Projects> cd caffe
C:\Projects\caffe> git checkout windows

注意这里需要用到git.Git是什么?Git是目前世界上最先进的分布式版本控制系统(没有之一)。Git有什么特点?简单来说就是:高端大气上档次!廖雪峰的官方网站 安装过程简单,这里省略。
第二部配置相关软件
建议大家不要头铁(大神无视),一定要按照人家的要求老老实实配置。

这里写图片描述

按照人家要求的版本去配置。关于matlab和vs2015我这里提示一下。
安装matlab时:建议安装在c盘。我当时安装在D盘,在配置matlab接口时它会提示这样的错误(我当时可以非常确定的把matlab的环境变量添加了,希望有大神能帮助我解决这个问题,毕竟20g的东西安装在系统盘,有点难受)

这里写图片描述

安装vs15时: 记得勾选自定义安装,然后选择:

这里写图片描述

否则会提示这样的错误(我的理解是需要有编译工具):
这里写图片描述

cmake时: 一定要选择好正确的版本。官网上说的的3.4以上。我的电脑在尝试了好多个版本后,最终只有3.9版本成功了。
给大家看一些错误:

这里写图片描述

关于这个错误,在网上查了一下。大神给的建议是:清楚编译。由于我真的不知道怎么在win上清楚编译(ubuntu上的命令是 make clean)所以采取的办法就是更换cmake 版本。

还有就是一定要添加环境变量 安装的时候记得勾选添加环境变量,检查环境变量的方法

这里写图片描述

第三部编译 这一步是关键。编译的方法有两种,
第一种 通过cmake进行编译,优快云上有很多这方面的博客推荐一个写的不错

方法二 :通过cmd命令,运行caffe-windows里的这个文件(路径可能不同,大家结合自己的情况了)

这里写图片描述

命令

C:\Users\zzt>F:

F:\>cd project

F:\project>cd caffe-windows

F:\project\caffe-windows>scripts\build_win.cmd

第一次运行的时候,应该都会出错的。因为我们需要结合自己的情况修改一下参数。
用vs打开 build_win.cmd 这个文件,这里我建议大家的情况进行修改。
这里写图片描述

我圈出了需要修改参数的地方,从69行开始到一百行截至。例如vs的版本,(2015对应的是14),NINJA这编译器没有的话把参数改为0,我没有配置GPU,所以CPU_ONLY = 1,剩下的大家结合自己的情况吧。

还有一点,就是编译的过程中会需要下载一个依赖项,需要国外的网站,但是目前我国的墙大家应该都知道,建议大家提前下载好。。在cmake-master文件夹中的scripts文件夹中的download_prebuilt_dependencies.py脚本中含有你所需的压缩包的下载路径。用文本编辑器打开脚本,选择你需要的版本。
这里写图片描述

将下载好的依赖项放在这个路径下:C:\Users***.caffe\dependencies\download

然后在运行上面的命令。就可以配置成功吧(毕竟电脑,不同情况不同,所以建议出现什么问题多去查查,仔细想想哪里出现问题了)

这里写图片描述

终于成功了。。。。

第四部配置matlab接口,并进行测试
将编译后的文件添加到matlab路径中。
具体的操作大家参考这篇博客吧。博客

里边还有测试的代码。

### Microsoft Caffe 配置教程 Microsoft Caffe 是基于原生 Caffe 的一种实现,通常被集成到微软的工具链中以便更好地支持 Windows 平台和其他特定功能。以下是关于如何配置 Microsoft Caffe 的详细介绍。 #### 1. 安装依赖项 在开始之前,需要确保系统已经安装了必要的开发环境和库文件。对于 Windows 用户来说,推荐使用 Visual Studio 和 Anaconda 来管理 Python 环境以及相关依赖包[^4]。 - **Visual Studio**: 至少需要安装带有 C++ 支持的版本 (建议 VS2019 或更高版)。 - **CUDA & cuDNN**: 如果计划利用 GPU 加速,则需下载并正确设置 NVIDIA 提供的相关驱动程序及其配套软件 CUDA Toolkit 和 cuDNN 库[^2]。 #### 2. 下载源码 访问官方 GitHub 页面获取最新稳定发布的 Caffe 版本或者克隆仓库至本地机器上: ```bash git clone https://github.com/Microsoft/caffe.git cd caffe ``` #### 3. 编辑 `Makefile.config` 参照标准流程调整构建选项前先创建一份新的配置文档副本: ```bash cp Makefile.config.example Makefile.config nano Makefile.config # 使用你喜欢的文字编辑器打开此文件 ``` 在此阶段主要关注以下几个参数设定: - 是否开启 DEBUG 模式调试信息输出; - 明确指定 BLAS 类型(如 ATLAS, OpenBLAS 等); - 启用或禁用 CPU/GPU 功能模块加载路径说明等等。 #### 4. 构建项目 完成上述准备工作之后就可以运行 make 命令来启动整个编译过程了。考虑到不同硬件条件差异较大可能耗费较长时间,请耐心等待直至结束为止。 ```bash make all -j$(nproc) make test -j$(nproc) make runtest -j$(nproc) ``` 如果一切顺利的话现在应该能够成功生成可执行二进制文件位于`./build/tools/caffe`目录下。 #### 5. 调整 Solver 文件 为了验证模型训练效果可以尝试修改现有的 MNIST 数据集例子中的 solver 设置部分为例子提供初始超参定义: ```protobuf net: "examples/mnist/lenet_train_test.prototxt" test_iter: 100 test_interval: 500 base_lr: 0.01 lr_policy: "inv" gamma: 0.0001 power: 0.75 display: 100 max_iter: 10000 momentum: 0.9 weight_decay: 0.0005 snapshot: 5000 snapshot_prefix: "examples/mnist/lenet" solver_mode: GPU ``` 最后通过如下方式正式启动训练进程: ```bash ./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt --gpu=all ``` --- ### 注意事项 由于 Microsoft 对其内部使用的框架进行了定制化改动,在实际操作过程中可能会遇到一些与开源社区主流分支不一致的地方。因此强烈建议仔细阅读附带文档资料的同时保持密切关注更新日志内容变化情况[^3]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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