Windows10+Visual Studio2013+caffe GPU+CPU环境详细配置

仅做此记录，备查

（一）、软件包准备：

1.微软修改的caffe包，下载地址：https://github.com/Microsoft/caffe

2.Anaconda2，官网下载

----------------------------以下可选，CPU配置可以不管----------------------------------------------------

3.cuda8.0，https://developer.nvidia.com/cuda-downloads

cuda历史各个版本下载链接

https://developer.nvidia.com/cuda-toolkit-archive

4.cuDNN v4，https://developer.nvidia.com/cudnn

二安装

1.安装Visual Studio2013，默认位置，可汉化

2.Anaconda2,

3.可选，CUDA和cuDNN

4.解压caffe-master包

三具体配置

1.复制caffe Windows下CommonSettings.props.example，后缀改为CommonSettings.props

用VS2013打开CommonSettings.props，修改CpuOnlyBuild为true，UseCuDNN改为false。因为要配置Python接口，所以PythonSupport改为true，并将下面的PythonDir修改为自己的Python安装路径，注意Anconda2后面那个斜线不能少。

2.配置Anaconda2环境变量

环境变量中新建名为PythonPath，值为  D:\caffe-master\Build\x64\Release\pycaffe

在cmd中输入import caffe出现：

ImportError: No module named google.protobuf.internal 

说明需要安装一些东西，那就输入下面三者之一，其中会有一个是适合你的。

conda install protobuf 
pip install protobuf 
esay_install protobuf

四、环境变量配置： 
cuda8安装完成之后在系统环境变量中自动配置了两个系统变量 
CUDA_PATH：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8
CUDA_PATH_V7_5：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8
但是为了之后的vs2013的配置做准备我们需要在配置五个系统变量 
CUDA_BIN_PATH：%CUDA_PATH%\bin 
CUDA_LIB_PATH：%CUDA_PATH%\lib\Win32 
CUDA_SDK_BIN：%CUDA_SDK_PATH%\bin\Win64 
CUDA_SDK_LIB：%CUDA_SDK_PATH%\common\lib\x64 
CUDA_SDK_PATH：C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8
在系统环境变量path后添加如下内容 
;%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%; 
测试是否成功 

进入cmd，输入nvcc -V命令

在进入sdk实例安装目录C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8（默认文件夹隐藏，需要显示出来） 
点击Samples_vs2013.sln文件打开vs2013执行 

这时候在来运行Samples_vs2013.sln文件就会出现图片，表明测试成功，

用户变量
PATH  
D:\caffe-cpu\Build\x64\Release
PYTHONPATH
D:\caffe-cpu\Build\x64\Release\pycaffe


系统变量
CUDA_BIN_PATH
%CUDA_PATH%\bin
CUDA_LIB_PATH
%CUDA_PATH%\lib\x64
CUDA_PATH
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
CUDA_SDK_BIN_PATH
%CUDA_SDK_PATH%\bin\x64 
CUDA_SDK_LIB_PATH
%CUDA_SDK_PATH%\common\lib\x64
CUDA_SDK_PATH
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0
CUDNN_ROOT
D:\caffe-gpu\cuda
CuDnnPath
D:\caffe-gpu\cuda


Path
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\libnvvp;
C:\Program Files (x86)\NVIDIA Corporation\PhysX\Common;
C:\Program Files (x86)\Microsoft Visual Studio 12.0\VC\bin;
C:\Program Files (x86)\Microsoft Visual Studio 12.0\Common7\IDE;
D:\caffe-cpu;
D:\Anaconda2;
D:\Anaconda2\Scripts;
D:\Anaconda2\include;
D:\Anaconda2\Lib;
D:\caffe-cpu\Build\x64\Release\pycaffe\caffe;
D:\Anaconda3;
D:\Anaconda3\include;
D:\Anaconda3\Lib;
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;


PythonPath
D:\caffe-cpu\Build\x64\Release\pycaffe

五、caffe.sln的编译
双击Windows下的caffe.sln，在VS2013中生成解决方案，先启用Nuget还原
libcaffe在编译前先设置资源引用路径，点击项目右键-》属性-》配置属性-》c/c++，【附加包含目录中】中加入python的include路径
caffe在编译前先设置资源引用路径，点击项目右键-》属性-》配置属性-》c/c++，【附加包含目录中】加入python的include路径。同时，在链接器中的【附加库目录】中加入python的libs路径。如果显卡安装不是默认路径也相应把C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include和libs加入到里面
pycaffe在编译前先设置资源引用路径，点击项目右键-》属性-》配置属性-》c/c++，【附加包含目录中】加入python的include路径和numpy的include路径，我这里分别是D:\Python27\include和D:\Python27\Lib\site-packages\numpy\core\include，同时，在链接器中的【附加库目录】中加入python的libs路径和numpy的libs路径，我这里分别是D:\Python27\libs和D:\Python27\Lib\site-packages\numpy\core\lib

注：如果这个编译时出现：

error LNK2001: 无法解析的外部符号 __imp_PyString_FromString
error LNK2001: 无法解析的外部符号 __imp_PyCallable_Check

说明python和visual studio项目版本不兼容，注意X86和X64的统一

注：

在anaconda prompt窗口敲入以下命令：

conda upgrade –all

解释：可以将anaconda当前环境下的软件包都进行一个更新，保证后续安装都是最新的可用包。

conda install numpy scipy pandas

解释：conda一次可以安装多个软件包。上面这个指令就可以一次安装好numpy, scipy, pandas

conda create -n py3 python=3 或 conda create -n py2 python=2

解释：上面是分别建立python 3.5和python 2.7虚拟环境的指令。py3（py2）是自己起的环境名；python=3 (python=2)是指定python版本

activate py3

解释：这样就进入python 3.5的环境了

conda list

解释：查看当前环境下都已经安装了哪些包。如果需要安装新包，敲入指令 conda install <package name>就可以了

deactivate py3

解释：退出python3.5的环境

http://python.jobbole.com/86236/