caffe微软官方版+win7+vs2013

部署运行你感兴趣的模型镜像

微软官方提供了Windowscaffe,因此Windows下安装caffe很简单,所有第三方库可以自动安装。

第一步,下载解压Caffe官方网址 https://github.com/Microsoft/caffe第二步,下载安装cuda7.5 地址https://developer.nvidia.com/cuda-toolkit    

第三步,下载解压cudnn地址 https://developer.nvidia.com/cudnn

目前只支持cuDNNv3 cuDNNv4。解压后,文件夹中的.lib,.dll,.h文件,分别复制到cuda中的lib,bin,include三个文件夹中。一般cuda默认安装路径C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v7.5。另外,也可以把cudnn解压到任何位置,然后在.\windows\CommonSettings.props中设置CuDnnPath 的值使它指向cudnn的解压位置,同样可以选择不使用cuDNN通过设置 UseCuDNN false。(推荐前种方法)

第四步,安装Python下载合适版本的Miniconda,安装时选择Installfor all users and add Python to PATH (会自动将Python路径添加到系统变量里)

安装后(有的机器要重启才能生效),在命令行执行如下命令:

conda install --yes numpy scipy matplotlib scikit-imagepip

pip install protobuf

另:caffe编译后(第七步后),在环境变量中设置PythonPath变量,值指向 <caffe_root>\Build\x64\Release\pycaffe

第五步,安装MATLAB

另:为了使MATLAB能够掉用caffe还需要在caffe编译后(第七步后)执行下面两步:

1.    把生成的matcaffe 文件夹路径添加到MATLAB搜索路径上

2.    <caffe_root>\Build\x64\Release 添加到系统路径里

第六步,修改工程配置文件

.\windows\CommonSettings.props.example文件名修改为.\windows\CommonSettings.props,也就是把后缀.example去掉。打开该文件,按照自己的需求修改。


第七步,使用Visual Studio2013打开.\windows\Caffe.sln,右击libcaffe->重新生成,我们就会看到,第三库自动下载安装了,我们就需要等待就可以。

 

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

<think>好的,我需要帮助用户在Windows系统上搭建基于Caffe和Python的R-FCN环境,仅支持CPU配置。首先,我要回顾一下用户提供的引用内容,看看有没有相关的信息可以利用。 引用[3]提到在默认配置下编译得到的是CPU本,并提到如果需要GPU本需要调整Makefile中的开关,但用户只需要CPU,所以可能可以参考这个步骤。不过引用[3]是关于Darknet的,而用户需要的是Caffe,可能需要类似的配置方法。 接下来,我需要整理搭建R-FCN环境的一般步骤。通常,这包括安装依赖项、安装Caffe、配置Python接口、获取R-FCN源码以及安装相关如pycaffe等。由于用户指定使用Windows系统,我需要考虑Windows下Caffe的安装方法,这可能比较复杂,因为Caffe官方对Windows的支持不如Linux,但可能有第三方解决方案。 根据经验,Windows下安装Caffe可能需要使用预编译的本或者使用CMake进行构建。用户需要CPU本,所以不需要CUDA和cuDNN,这可以简化步骤。Python方面,需要确保Python环境与Caffe兼容,可能需要使用特定本的Python,比如Python 2.7或3.5,因为Caffe的Python接口可能对本有要求。 接下来,参考用户提供的引用,特别是引用[3]提到的编译配置,可能需要修改Caffe的Makefile或CMakeLists.txt来禁用GPU支持,并确保所有依赖正确安装。此外,用户提到使用Python,因此需要确保pycaffe模块正确编译和安装。 可能的步骤: 1. 安装依赖项,如CMake、Git、Python、必要的(如Boost、OpenCV等)。 2. 克隆CaffeWindows分支,如微软caffe-windows。 3. 配置CMake,禁用GPU相关选项,设置Python路径。 4. 使用CMake生成解决方案,用Visual Studio编译。 5. 编译成功后,安装pycaffe,设置Python环境变量。 6. 获取R-FCN的代码,配置相关路径,确保Caffe路径正确。 7. 测试安装,运行demo或示例脚本。 需要注意的问题包括:依赖本兼容性,Python路径的正确配置,以及可能遇到的编译错误。例如,Boost本是否匹配,OpenCV是否安装正确,还有可能需要安装Windows的SDK和工具集。 此外,用户可能需要安装R-FCN所需的额外依赖,如cython、easydict等Python包,可以通过pip安装。在编译Caffe时,可能需要修改配置文件,如设置CPU_ONLY := 1,类似于Darknet的Makefile配置。 最后,验证安装是否成功,可以尝试导入caffe模块,并运行R-FCN的测试脚本,确保没有导入错误或运行时错误。可能需要调整环境变量,如将Caffe的Python目录添加到PYTHONPATH中。 总结起来,步骤大致是安装依赖、编译Caffe(CPU)、配置Python接口、安装R-FCN及所需,最后测试环境。需要详细指导用户每一步的具体操作,尤其是针对Windows系统的注意事项。</think>以下是Windows系统中基于Caffe和Python搭建R-FCN环境(仅CPU配置)的详细步骤: --- ### 一、环境准备 1. **安装Visual Studio 2015/2017** 需安装C++编译工具集,勾选"使用C++的桌面开发"组件[^3]。 2. **安装Python 2.7/3.5** 建议通过Anaconda创建独立环境: ```bash conda create -n rfcn python=3.5 conda activate rfcn ``` 3. **安装依赖** 使用pip安装基础包: ```bash pip install numpy scipy matplotlib opencv-python cython easydict ``` --- ### 二、编译Caffe(CPU本) 1. **获取WindowsCaffe** 下载微软维护的Caffe分支: ```bash git clone https://github.com/Microsoft/caffe.git cd caffe ``` 2. **修改配置文件** 复制`scripts/build_win.cmd`为`build_win_cpu.cmd`,编辑以下参数: ```cmd set CPU_ONLY=1 # 禁用GPU支持 set WITH_NINJA=0 # 关闭Ninja生成器 set PYTHON_VERSION=3 # 指定Python本 ``` 3. **执行编译脚本** 运行修改后的脚本: ```cmd build_win_cpu.cmd ``` 编译完成后,生成的`caffe.exe`位于`build`目录,Python接口在`python/caffe`目录。 --- ### 三、配置R-FCN环境 1. **克隆R-FCN源码** ```bash git clone --recursive https://github.com/YuwenXiong/py-R-FCN cd py-R-FCN ``` 2. **链接Caffe到项目** 创建软链接或复制文件: ```bash mklink /J lib\caffe caffe\build # Windows软链接 copy caffe\python\caffe lib\caffe\python # 若软链接失败 ``` 3. **设置环境变量** 添加Caffe路径到系统变量: ```cmd set PYTHONPATH=%PYTHONPATH%;C:\path\to\caffe\python ``` --- ### 四、验证安装 1. **测试Caffe** Python中执行: ```python import caffe print(caffe.__version__) # 应输出编译本号 ``` 2. **运行R-FCN Demo** 执行预训练模型测试: ```bash python tools/demo.py --cpu # 强制使用CPU模式 ``` --- ### 五、常见问题 - **编译错误**:检查Boost、OpenCV路径是否配置正确,确保VS工具链本匹配。 - **Python导入失败**:确认`PYTHONPATH`包含Caffe的`python`目录。 - **数据加载慢**:参考引用[1]优化数据预处理逻辑,如使用内存映射文件。 ---
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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