Windows 10 & Visual Studio 2015 配置 Caffe

笔记本是双显卡，读研的时候成功的在Ubuntu下配置好了一次Caffe，并且完成了深度学习的实验，前不久因为一个小的问题，导致NVIDIA驱动出了问题，以后再也没有在Ubuntu下成功配置好Caffe，不浪费时间在双显卡配置上了，转移到Windows下，正好也方便整理笔记。

首先是我的安装过程中需要注意的问题，其实大部分问题都是阅读完整个文档都可以解决，但是通常不喜欢阅读英文文档，或者一眼带过，很容易丢掉一些细节，介绍完我的安装步骤和问题，我顺手翻译了一下官方的文档。

我的安装步骤

1 Clone仓库，并修改当前路径到caffe目录，切换到Windows分支：

C:\Projects> git clone https://github.com/BVLC/caffe.gitC:\Projects> cd caffeC:\Projects\caffe> git checkout windows
1
2
3

1. 第一次尝试构建

C:\Projects\caffe> scripts\build_win.cmd
1

CMake出错，我安装了两个CMake，一个是2.8，一个是3.7，前者是编译Qt用的，并且还在使用，不想删掉，在Win10的环境变量中支持排序，将CMake3.7排在前面，就解决了CMake版本的问题，其实这里完全可以删掉2.8，但是我想留着以后编译Qt4.X的时候使用。 
3 继续编译，Ninja找不到，我本机没有安装Ninja，但是在build_win.cmd批处理文件中默认是使用Ninja，把编译选项修改就可以了if NOT DEFINED WITH_NINJA set WITH_NINJA=0 
4 继续编译，下载依赖项失败，手动打开Python下载依赖项的脚本，会看到下面的代码：

WIN_DEPENDENCIES_URLS = {    ('v120', '2.7'):("https://github.com/willyd/caffe-builder/releases/download/v1.0.1/libraries_v120_x64_py27_1.0.1.tar.bz2",                  "3f45fe3f27b27a7809f9de1bd85e56888b01dbe2"),    ('v140', '2.7'):("https://github.com/willyd/caffe-builder/releases/download/v1.0.1/libraries_v140_x64_py27_1.0.1.tar.bz2",                  "427faf33745cf8cd70c7d043c85db7dda7243122"),    ('v140', '3.5'):("https://github.com/willyd/caffe-builder/releases/download/v1.0.1/libraries_v140_x64_py35_1.0.1.tar.bz2",                  "1f55dac54aeab7ae3a1cda145ca272dea606bdf9"),}
1
2
3
4
5
6
7
8

对应不同的编译器版本和Python版本，选择一个合适的，我这里是140和3.5，手动下载依赖项，并拷贝到scripts\build目录下，解压到当前文件夹，就会出现一个libraries的目录，这就是所有的依赖项（还有OpenCV都在里面），继续编译，如果编译器和Python的版本都是对的，那么就会编译成功，大约需要16分钟。

下面是翻译的文档，参考Caffe-Windows项目：

Windows Caffe声明

Caffe的Windows版本是一个实验性的、社区版，是由Guillaume Dumont (@willyd)这个人主持开发的，目前正在开发过程中。 
这是Caffe仓库的一个分支，分支名是Windows，这个分支就是提供一个在Windows上的Caffe框架。

预编译的二进制文件

在appveyor 上的持续化集成CI环境编译构建生成的二进制文件也可以下载，根据不同的配置有如下几个版本。

• Visual Studio 2015, CPU only, Python 3.5: Caffe Release

• 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

这些链接是关联的CI环境生成的文件，应该会发生变化，需要下载的请关注Caffe的Github

Windows 配置Caffe

需求

• Visual studio 2013或者2015
• CMake3.4或者更高版本（用于支持Visual Studio 和 Ninja）

依赖选项

• Python用于支持pycaffe，选择Anaconda Python 2.7 or 3.5 x64 (or Miniconda)，直接安装Anaconda，过程简单
• MATLAB用于支持Matcaffe
• CUDA 7.5或者8.0，8.0的话需要使用Visual Studio 2015
• cnDNN v5

保证CMake和Python都已经添加到环境变量了，如果有多个CMake版本的话，保证CMake3.4或者更高版本的变量值排在低版本的前面，系统会找到第一个符合的版本，若是低版本的没有使用，可以去除低版本的环境变量，现在Windows10 支持调整环境变量顺序。

配置并且编译Caffe

最快的方式在Windows上上手Caffe，只需要在Windows的命令行中执行下面的命令(假设C:\Projects是我们创建的目录，用来编译Caffe)：

:: 从GitHub上clone 仓库C:\Projects> git clone https://github.com/BVLC/caffe.git:: 跳转到目录中C:\Projects> cd caffe:: 切换到Windows分支（远程分支，在本地创建并关联到远程分支），C:\Projects\caffe> git checkout windows:: Edit any of the options inside build_win.cmd to suit your needsC:\Projects\caffe> scripts\build_win.cmd
1
2
3
4
5
6
7
8

上面的代码Windows可以存储到支持的脚本文件，冒号表示注释，扩展名是.cmd，也可以直接在命令行中输入。

其中build_win.cmd也是一个脚本文件，这个脚本用来下载依赖项，创建Visual Studio工程文件（或者Ninja构建文件），并且构建发布的配置，默认情况下，所有需要的DLL都必须拷贝到用到他们的二进制文件旁边（如果可能的话，可以创建硬链接），如果期望禁用这个选项，需要修改这个脚本文件中关于CMake的配置选项，将-DCOPY_PREREQUISITES=0。预编译的二进制库文件，也提供了一个prependpath.bat批处理文件，这个批处理文件可以临时的修改环境变量，让需要的DLL都可以找到。

下面是一些比较复杂的在构建Caffe过程中一些步骤的描述：

安装Caffe的依赖项

默认情况下，CMake会根据编译器版本和Python版本下载和解压预编译好的依赖项，会在build文件夹下创建一个叫作libraries 的目录，这个目录中包含了所有的需要的依赖项。你也可以这样做，根据在caffe-builder中的README自己手动的编译这些依赖项。

使用 cuDNN

使用cuDNN最简单的方式是将cuDNN解压后的cuda目录中的内容拷贝到CUDA工具包的安装目录下，比如，如果是安装的CUDA8.0，然后下载cudnn-8.0-windows10-x64-v5.1.zip，那么应该将cuda目录中的文件拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0对应的目录下。另外，也可以定义一个CUDNN_ROOT的缓存变量用来只想解压后的cuDNN目录，比如，解压目录是C:/Projects/caffe/cudnn-8.0-windows10-x64-v5.1/cuda，那么，对应的build_win.cmd脚本文件中的CMake的配置就会变成下面样子（其实就是添加一个编译选项），

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% ^      -DCUDNN_ROOT=C:/Projects/caffe/cudnn-8.0-windows10-x64-v5.1/cuda ^      -C "%cd%\libraries\caffe-builder-config.cmake" ^      "%~dp0\.."
1
2
3
4
5
6
7
8
9
10
11

另外一种方式是打开CMake的GUI工具，设置变量，然后点击Generate按钮

仅对CPU构建

如果没有安装CUDA，那么Caffe默认是仅对CPU构建，但是如果已经安装了CUDA，但是还是想只对CPU构建，那么可以修改CMake的编译选项-DCPU_ONLY=1。

使用Python接口

推荐使用Anaconda 或者Miniconda这两个Python发布版本（非常简单），为了能成功的编译除Python接口，需要安装下面的包：

conda install --yes numpy scipy matplotlib scikit-image pip six
1

你也将会需要使用protobuf Python包，这个包是与预编译的依赖项兼容的，这个包的安装命令是：

conda install --yes --channel willyd protobuf==3.1.0
1

如果已经安装了额Python，那么将会默认编译Python接口和Python层，如果你想禁用Python层和Python构建版本，那么需要分别修改CMake的编译选项：-DBUILD_python_layer=0和-DBUILD_python=0。 
使用Python接口的时候，需要添加C:\Projects\caffe\python到环境变量，并把C:\Projects\caffe\python\caffe拷贝到site_packages目录下。

使用MATLAB接口

根据前面的步骤，然后使用-DBUILD_matlab=ON的编译选项。 
改变当前路径到C:\Projects\caffe\matlab，然后运行下面的命令，运行测试：

caffe.run_tests()
1

如果所有的测试都过了，可以测试是否所有的分类的demo都工作。首先，从目录C:\Projects\caffe中运行python scripts\download_model_binary.py models\bvlc_reference_caffenet从model zoo中下载预先训练好的caffemodel，然后改变当前路径到C:\Projects\caffe\matlab\demo，然后运行classification_demo。

使用Ninja产生器

如果想更快的构建，可以选择使用Ninja产生器替换Visual Studio，为了能这样做，在构建脚本文件中修改选项set WITH_NINJA=1，通过conda命令，从GitHub上下载并且安装Ninja：

conda config --add channels conda-forgeconda install ninja --yes
1
2

当使用Ninja的时候，不会产生Visual Studio解决方案文件，Ninja是与make一个体系的，一个选择是使用Visual Studio Code并且使用CMake 扩展和C++扩展。

构建一个共享库

CMake可以被用来构建一个共享库，不仅仅是默认的静态库，为了做到这一点，需要Follow前面的步骤，并且使用-DBUILD_SHARED_LIBS=ON编译选项。需要注意的是，一些测试（具体一些是solver相关的测试）会挂掉，原因是测试的执行文件和Caffe的库不共享在protobuf库中的静态对象。

已知的问题

• GPUTimer 相关的测试总是挂掉，这个貌似是以为Unix与Windows的不同
• 构建共享库会挂掉测试
• 只有使用Ninja产生器，共享库构建才工作