caffe在windows端配置的全部流程

caffe在windows下配置

outlines:

配置流程分为：
（1）nvidia显卡驱动与CUDA安装
（2）cudnn安装（对于部分caffe工程需要）
（3）caffe-windows编译
（4）常见编译错误

nvidia显卡驱动与CUDA安装

（1）显卡驱动安装
驱动精灵自动安装最新版本驱动，或者选择去nvidia官网下载对应版本的驱动。这两种方式都不影响到以下安装。
（2）CUDA安装
cuda的版本号需要与nvidia驱动程序的版本相对应，比较稳定的一个按本系列是：cuda_8.0.61+cudnn5.0(或5.1)。
显卡gtx1060，gtx1080，gtx1080ti和TITAN XP亲测有效，都支持cuda_8.0.61+cudnn5.0(或5.1)。
a.下载cuda_8.0.61_win10.exe——官网，如果太慢可以去我的网盘下载。
b.安装CUDA，选择，安装cuda8.0_sample；并且将cuda安装到默认C盘路径（这里不要嫌占用C盘空间，使用NVIDIA的默认路径，对后面的很多CUDA工程都是有帮助的）
安装CUDA顺利完成后，进入cmd中，输入命令 nvcc -V**(有一个空格，大写V)**，后出现如下图就代表CUDA安装并且环境变量也配置成功。

若没有则很有可能是CUDA的环境变量没有配置，按照如下方式配置：
打开：我的电脑->右键属性->高级系统设置->高级->环境变量
查看系统变量中是否存在CUDA_PATH和CUDA_PATH_v8.0，如下：

若存在，看path环境变量中是否导入了bin，如下：

若不存在CUDA_PATH和CUDA_PATH_v8.0,则分别新建变量，变量名就是CUDA_PATH和CUDA_PATH_v8.0，变量值分别是：注意：变量值如下的前提是安装CUDA是默认安装路径，若不是则变量值变更为:CUDA\v8.0的路径

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0

若path中不存在CUDA\bin路径，则在path中添加新的变量值

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\libnvvp

cudnn安装

cudnn* 版本都可以按照以下安装流程进行，下载地址https://pan.baidu.com/s/1cwJeBPIEGLEacuDqv4g_6w
（1）解压cudnn安装包
（2）拷贝：
将.h文件拷贝到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include
将.lib拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
将.dll拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin

至此cudnn安装完毕

caffe-windows编译

（1）下载caffe-windows：
地址 https://github.com/BOBrown/caffe
（2）假设文件目录为~，进入~/windows目录，这个目录有可以打开vs项目的.sln文件，但是我们先不要打开它。先进行编译配置。复制~/windows目录下的CommonSettings.props.example到CommonSettings.props。原因是：~/windows目录下存在CommonSettings.props文件才可以进行编译。
（3）修改CommonSettings.props文件：
打开CommonSettings.props文件(注意不是CommonSettings.props.example文件)，修改cuda版本和cudnn支持：

        <UseCuDNN>true</UseCuDNN>
        <CudaVersion>8.0</CudaVersion>

如果使用python-windows的话，则修改（分别是支持python和python在windows中的地址）：

<PythonSupport>true</PythonSupport>
<PropertyGroup Condition="'$(PythonSupport)'=='true'">
        <PythonDir>C:\Python27</PythonDir>  
        <LibraryPath>$(PythonDir)\libs;$(LibraryPath)</LibraryPath>
        <IncludePath>$(PythonDir)\include;$(IncludePath)</IncludePath>
</PropertyGroup>

（4）进入Caffe.sln
a.打开Caffe.sln->右键libcaffe工程->选择设置为启动项目->编译这个工程。
b编译的过程中会看到系统初始化配置NugetPackages包，这个包与~是同级目录。
c.若编译成功，则caffe在windows中配置完成，可以进行训练与预测的任务，并且可以调用caffe的相关库。
若出现编译错误，请参考常见编译错误章节

常见编译错误

大多数caffe的编译错误都是由于NugetPackages中包版本与声明不匹配的问题。

错误1：未能从程序集 \NugetPackages… \OpenCv.2.4.10

解决方式：
（1）右键libcaffe->管理Nuget程序包->更新->将opencv更新为2.4.11版本
（2）右键libcaffe->卸载项目->将libcaffe.vcxproj中的OpenCv.2.4.10都替换成OpenCv.2.4.11->重新加载项目

错误2：未能从程序集 \NugetPackages… \gflags

解决方式：
（1）右键libcaffe->管理Nuget程序包->更新->更新gflags版本
（2）右键libcaffe->卸载项目->检查libcaffe.vcxproj中声明的gflags版本与Nuget程序包中的版本是否一致，不一致则替换成Nuget程序包中的版本->重新加载项目

其他未能从NugetPackages中找到某个包的问题也可以参照1，2解决

错误3：关于boost与regrex正则表达式的问题

解决方式：
（1）进入到libcaffe\include\layers\detection_output_layer.hpp中，注释掉所有与regex有关的include

//#include <boost/regex.hpp>

（2）进入到libcaffe\src\layers\detection_output_layer.cpp中，注释掉所有与regex有关的代码

// boost::regex exp("\"(null|true|false|-?[0-9]+(\\.[0-9]+)?)\"");  by Holoobo

错误4：报错expected an identifier in caffe.pb.h

解决方式：
修改bbox_util.cu，注释掉所有thrust语句（include和代码）

//#include "thrust/functional.h"
//#include "thrust/sort.h"
// thrust::sort_by_key(&confidences[0], &confidences[0] + num_remain, &idx[0], by Holobo
//   thrust::greater<Dtype>());   by Holobo

错误5：找不到”~\caffe\3rdparty\hungarian.h(.cpp)”文件

解决方式：
在~\libcaffe\include\3rdparty\hungarian.h目录下添加hungarian.h文件
在~\libcaffe\src\3rdparty\hungarian.h目录下添加hungarian.cpp文件