Windows10 下caffe-Windows安裝與配置
1、環境配置
下載官方程式碼,選擇Windows分支的版本
檢視其README.md檔案,其中對環境的要求都已說明,且可以配置多個版本;
Visual Studio 2015, CPU only, Python 3.5: Caffe Release, Caffe Debug
Visual Studio 2015, CUDA 8.0, Python 3.5: Caffe Release
Visual Studio 2015, CPU only, Python 2.7: Caffe Release, Caffe Debug
Visual Studio 2015,CUDA 8.0, Python 2.7: Caffe Release
Visual Studio 2013, CPU only, Python 2.7: Caffe Release, Caffe Debug
由於我電腦GPU效能比較好,所以配置了帶有cuda版本的caffe,首先就是按照要求安裝相應版本的CUDA版本和CUDNN版本,我安裝的版本為CUDA8.0和CUDNN5.0,具體安裝過程比較簡單,不再贅述;然後就是安裝python,我安裝的版本為python3.5,也可以安裝python2.7版本的,可以允許電腦存在多個cuda和python版本,但是預設一定要設定為caffe需要的版本環境。
2、編譯
下載caffe-windows程式碼解壓後,找到scripts資料夾下的build_win.cmd檔案
這個是專門用於在Windows下編譯caffe的官方檔案,不過需要根據自己配置環境的情況進行一些修改;如下所示
else (
:: Change the settings here to match your setup
:: Change MSVC_VERSION to 12 to use VS 2013
:: 根據自己vs版本設定,2013就是12,2015就是14,我的是14
if NOT DEFINED MSVC_VERSION set MSVC_VERSION=14
:: Change to 1 to use Ninja generator (builds much faster)
:: 這裡由於我使用的cmake編譯,未使用ninja,所有設定為了0
if NOT DEFINED WITH_NINJA set WITH_NINJA=0
:: Change to 1 to build caffe without CUDA support
:: 這裡我使用了cuda,所有設定為0,若是CPU版本則設定為1;
if NOT DEFINED CPU_ONLY set CPU_ONLY=0
:: Change to generate CUDA code for one of the following GPU architectures
:: [Fermi Kepler Maxwell Pascal All]
:: 此處一定要注意,如果安裝了多個cuda版本,需要將其設定為All,不然會報出compute_arch不支援的錯誤;
if NOT DEFINED CUDA_ARCH_NAME set CUDA_ARCH_NAME=All
:: Change to Debug to build Debug. This is only relevant for the Ninja generator the Visual Studio generator will generate both Debug and Release configs
:: 此處就是編譯vs的版本,是Release還是Debug版本,我的是Release
if NOT DEFINED CMAKE_CONFIG set CMAKE_CONFIG=Release
:: Set to 1 to use NCCL
:: 是否使用多卡訓練
if NOT DEFINED USE_NCCL set USE_NCCL=0
:: Change to 1 to build a caffe.dll
if NOT DEFINED CMAKE_BUILD_SHARED_LIBS set CMAKE_BUILD_SHARED_LIBS=0
:: Change to 3 if using python 3.5 (only 2.7 and 3.5 are supported)
:: 選擇python版本,我使用是python 3.5,所以修改為3
if NOT DEFINED PYTHON_VERSION set PYTHON_VERSION=3
:: Change these options for your needs.
:: 這裡選擇需要的選項,我需要python,所以將python選項設定為了1,如果需要MATLAB,則將其也設定為1
if NOT DEFINED BUILD_PYTHON set BUILD_PYTHON=1
if NOT DEFINED BUILD_PYTHON_LAYER set BUILD_PYTHON_LAYER=1
if NOT DEFINED BUILD_MATLAB set BUILD_MATLAB=0
:: If python is on your path leave this alone
if NOT DEFINED PYTHON_EXE set PYTHON_EXE=python
:: Run the tests
if NOT DEFINED RUN_TESTS set RUN_TESTS=0
:: Run lint
if NOT DEFINED RUN_LINT set RUN_LINT=0
:: Build the install target
:: 生成安裝檔案,所以需要設定為1
if NOT DEFINED RUN_INSTALL set RUN_INSTALL=0
)
如果使用了CUDNN,還需要將其路徑新增到其中,即 -DCUDNN_ROOT=C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v8.0^
:: Configure using cmake and using the caffe-builder dependencies
:: Add -DCUDNN_ROOT=C:/Projects/caffe/cudnn-8.0-windows10-x64-v5.1/cuda ^
:: below to use cuDNN
cmake -G"!CMAKE_GENERATOR!" ^
-DBLAS=Open ^
-DCMAKE_BUILD_TYPE:STRING=%CMAKE_CONFIG% ^
-DBUILD_SHARED_LIBS:BOOL=%CMAKE_BUILD_SHARED_LIBS% ^
-DBUILD_python:BOOL=%BUILD_PYTHON% ^
-DBUILD_python_layer:BOOL=%BUILD_PYTHON_LAYER% ^
-DBUILD_matlab:BOOL=%BUILD_MATLAB% ^
-DCPU_ONLY:BOOL=%CPU_ONLY% ^
-DCOPY_PREREQUISITES:BOOL=1 ^
-DINSTALL_PREREQUISITES:BOOL=1 ^
-DUSE_NCCL:BOOL=!USE_NCCL! ^
-DCUDA_ARCH_NAME:STRING=%CUDA_ARCH_NAME% ^
-DCUDNN_ROOT=C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v8.0^
"%~dp0\.."
之後就可以在cmd中執行build_win.cmd檔案了,但是由於需要下載相應的依賴包,可能會由於下載時間太長導致編譯失敗,所以,可以先下載好對應版本的依賴包,放入相應的資料夾內,從而節省大量編譯時間;依賴包地址,從中選擇合適的檔案;
由於我使用的是vs2015,python3.5,所以對應的就是libraries_v140_x64_py35_1.1.0.tar.bz2;將其下載後解壓到相應目錄下,預設目錄為C:\Users\Administrator.caffe\dependencies\libraries_v140_x64_py35_1.1.0
之後為了防止其繼續下載,需要找到cmake資料夾下的WindowsDownloadPrebuiltDependencies.cmake檔案,註釋其中下載檔案的部分;這樣執行build_win.cmd檔案時就不會重複下載依賴包了。
最後執行build_win.cmd檔案,等待編譯完成,時間有點長,最終編譯完成,可能會有很多警告,可以忽略,沒有錯誤就行。
3、在VS中生成解決方案
選擇需要生成的版本,沒有報錯則編譯成功。
相關文章
- Windows10下如何安裝配置 perl 環境Windows
- maven下載、安裝與配置Maven
- Windows10下JDK8的下載安裝與環境變數的配置WindowsJDK變數
- Windows下Scoop安裝、配置與使用WindowsOOP
- Linux下rsync安裝與配置Linux
- CentOS 8.2下VNC安裝與配置CentOSVNC
- pycharm下載安裝與基本配置PyCharm
- windows下Emacs的安裝與配置WindowsMac
- 基於windows10下安裝docker,並配置IDEAWindowsDockerIdea
- 本地windows搭建spark環境,安裝與詳細配置(jdk安裝與配置,scala安裝與配置,hadoop安裝與配置,spark安裝與配置)WindowsSparkJDKHadoop
- macOS下MySQL 8.0 安裝與配置教程MacMySql
- Ubuntu下 hadoop的安裝與配置UbuntuHadoop
- windows下PHP與Apache的安裝配置WindowsPHPApache
- Ubuntu24.04下Docker安裝與配置UbuntuDocker
- MySQL - 下載與安裝配置(Linux)MySqlLinux
- centos7 (阿里雲、linux) 單機spark的安裝與配置詳解(jdk安裝與配置,scala安裝與配置,hadoop安裝與配置,spark安裝與配置)CentOS阿里LinuxSparkJDKHadoop
- CentOS 下多版本 PHP 的安裝與配置CentOSPHP
- CentOS6下mysql的安裝與配置CentOSMySql
- Windows下 MySQL-5.7.11 安裝與配置WindowsMySql
- CentOS5.2下Memcache的安裝與配置CentOS
- Linux下HelixServer的安裝與配置LinuxServer
- windows系統下GCC的安裝與配置WindowsGC
- linux下Samba服務配置與安裝LinuxSamba
- Windows下PHP和Apache的安裝與配置WindowsPHPApache
- Windows10系統下Java JDK下載、安裝與環境變數配置(全網最全步驟)WindowsJavaJDK變數
- MacVim安裝與配置Mac
- [Redis] 安裝與配置Redis
- 【MongoDB】安裝與配置MongoDB
- 【Redis】安裝與配置Redis
- 【MySQL】安裝與配置MySql
- vim安裝與配置
- jdk安裝與配置JDK
- Rabbitmq安裝與配置MQ
- MySQL安裝與配置MySql
- Nginx安裝與配置Nginx
- Grafana 安裝與配置Grafana
- Redis安裝與配置Redis
- Mahout安裝與配置