Windows Caffe python接口配置

最新推荐文章于 2019-04-23 09:46:46 发布

原创最新推荐文章于 2019-04-23 09:46:46 发布 · 959 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#caffe #python

Caffe 专栏收录该内容

4 篇文章

订阅专栏

本文详细介绍如何在Python环境中配置接口，包括修改CommonSettings.props文件启用Python支持，安装必要库如protobuf、pydot和numpy，以及编译和使用pycaffe。通过激活虚拟环境，安装依赖库，编译pycaffe并将其放置于Python的site-packages目录，实现caffe在Python中的集成。最后，通过测试caffe导入和训练模型验证配置成功。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

配置Python接口

1、修改CommonSettings.props文件，PythonSupport改为true，PythonDir写入python.exe文件路径。

<PythonSupport>true</PythonSupport> 
<PythonDir>C:\ProgramData\Anaconda3\envs\ana_py2\</PythonDir>

前面已经修改过的可以不再修改

2、安装python库
首先需要activate ana_py2（这个名字是根据你安装的时候的名字所选择的）

    activate ana_py2
    pip install protobuf
    pip install pydot
    conda install numpy

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。

测试

1、测试caffe导入python模块

activate ana_py2
python
import caffe

2、训练模型测试
还是使用上一篇博客中使用的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。

参考资料

[1] https://blog.youkuaiyun.com/liuweiyuxiang/article/details/79532894