win10+vs2013+matlab2016a+cuda7.5+cudnn5.1安装CPU-caffe、GPU-caffe并编译Pycaffe和MatCaffe

记录一下如何在win10环境下安装CPU、GPU版本的caffe

• matcaffe是caffe的MATLAB接口，安装matcaffe使得用户可以直接利用MATLAB代码调用caffe。
• pycaffe是caffe的MATLAB接口，安装pycaffe使得用户可以直接利用python代码调用caffe。

需要注意的地方：

需要提前安装好VS2013和MATLAB2016a等软件
GPU版本需要安装Nvida驱动、cuda7.5和cudnn5.1，仅安装CPU版本caffe可以忽略第一、二步骤。

驱动安装

前往NVIDIA官网下载你这台电脑的最新驱动。

安装cuda7.5和cudnn5.1

cuda7.5安装需要安装最新版本的显卡驱动。点击安装，一路next即可。 需要注意记住cuda的安装路径。

cudnn5.1是一个压缩包，解压之后是一个名为cuda的文件夹，其中有bin、include、lib三个文件夹，将其中的内容，放到cuda文件夹中对应的位置即可。

对应cuda位置

安装python2.7和Anaconda2-5.2.0

anaconda是一个Python集成环境，先安装python和Anaconda2-5.2.0-Windows-x86_64.exe。
安装python2.7和Anaconda2-5.2.0都是一路next安装。先Python2.7后Anaconda，安装完成之后，修改一下环境变量，引入Anaconda的Script文件夹。

打开cmd，输入conda --version 和python 查看安装情况

安装caffe

预处理

前往git下载微软源caffe，地址如下：https://github.com/Microsoft/caffe

解压文件，更名为caffe

将NugetPackages文件夹放置到与caffe同一层级，NugetPackages中是一些boost.1.59.0.0、glog.0.3.3.0、OpenCV.2.4.10等caffe依赖。

进入/caffe/windows/目录下将CommonSettings.props.example复制为CommonSettings.props
双击Caffe.sln打开VS2013工程

编译libcaffe

libcaffe是caffe这一深度学习框架的一系列依赖库。编译caffe的顺序是：

libcaffe->caffe->matcaffe->pycaffe

修改CommonSettings.props为

如果你想编译CPU版本的caffe，请将UseCuDNN设置为false，CpuOnlyBuild设置为true。

注意修改MATLAB和Anaconda的安装路径

由于MATLAB2016a版本过高的原因，matcaffe下面的caffe_.cpp文件，将第16行的#include "gpu/mxGPUArray.h”这个位置是没有mxGPUArray.h的，需要手动在E:\MATLAB\R2016a\extern\include\ 路径下创建gpu文件夹，并把E:\MATLAB\R2016a\toolbox\distcomp\gpu\extern\include\gpu 文件夹下的mxGPUArray.h文件复制进去。

修改解决方案”Caffe”的配置属性为Release、x64，如果以Debug形式进行编译，在后面编译Pycaffe时会有报错，因为编译Pycaffe时调用的库是release版本。

接着将libcaffe、caffe、matcaffe、pycaffe这个四个项目的属性

修改”将警告视为错误”为否，以及Release、x64。

接着选中libcaffe为启动项。

选择libcaffe进行编译，编译成功之后，在D:\caffe\Build\x64\Release目录下会有cudnn、hdf5、opencv等库文件。

编译caffe

选做部分：
修改anancoda的include中pyconfig.h文件部分如下

/* For an MSVC DLL, we can nominate the .lib files used by extensions */
#ifdef MS_COREDLL
#   ifndef Py_BUILD_CORE /* not building the core - must be an ext */
#       if defined(_MSC_VER)
            /* So MSVC users need not specify the .lib file in
            their Makefile (other compilers are generally
            taken care of by distutils.) */
#           ifdef _DEBUG
#               pragma comment(lib,"python27.lib")
#           else
#               pragma comment(lib,"python27.lib")
#           endif /* _DEBUG */
#       endif /* _MSC_VER */
#   endif /* Py_BUILD_CORE */
#endif /* MS_COREDLL */

...

#ifdef _DEBUG
//# define Py_DEBUG
#endif

我没有做以上修改也编译了pycaffe，不清楚后续使用会不会有问题。

选择caffe为启动项，注意Pycaffe，matcaffe和caffe三个项目的属性中的“将警告视为错误”是否设置为“否”，以及是否设置为Release、x64。

编译 ，编译成功之后，在D:\caffe\Build\x64\Release文件夹下会有caffe.exe文件，添加D:\caffe\Build\x64\Release到环境变量中，打开cmd，即可测试caffe。

安装matcaffe

设置matcaffe为启动项，注意Pycaffe，matcaffe和caffe三个项目的属性中的“将警告视为错误”是否设置为“否”，以及是否设置为Release、x64。

编译，编译成功后，D:\caffe\Build\x64\Release目录下会生成matcaffe文件夹，打开MATLAB，输入以下代码：

>> addpath('D:\caffe\Build\x64\Release\matcaffe')
>> savepath()

将matcaffe引入MATLAB工具箱

为了测试matcaffe，我们需要下载一个bvlc_reference_caffenet.caffemodel。
1. bvlc\_reference\_caffenet.caffemodel
下载路径为： http://dl.caffe.berkeleyvision.org/bvlc_reference_caffenet.caffemodel
2. 同时将该模型保存到caffe-master\models\bvlc_reference_caffenet目录下
3. 然后打开caffe-master\matlab\demo下面的classification_demo.m进行执行开是否有错，如果没有错则说明配置好了。

如果有报错，在classification_demo.m中添加

addpath('D:\caffe\Build\x64\Release\matcaffe');

安装pycaffe

设置pycaffe为启动项，注意Pycaffe，matcaffe和caffe三个项目的属性中的“将警告视为错误”是否设置为“否”，以及是否设置为Release、x64。

直接编译pycaffe，完成之后会生成pycaffe文件夹，将caffe文件夹拷贝到anacoda的Lib/site-pachages文件夹（E:\Anaconda2\Lib\site-packages）下，打开python测试。

如果报错

ImportError: No module named google.protobuf.internal

出现如上错误是因为缺少protobuf包，安装protobuf即可：

pip install protobuf

在此执行：

至此，caffe以及pycaffe、matcaffe已经全部安装成功。