VS2013配置Caffe卷积神经网络工具(64位Windows 7)——准备依赖库
来源:互联网 发布:oracle 去掉重复数据 编辑:程序博客网 时间:2024/05/25 18:12
2014年4月的时候自己在公司就将Caffe移植到Windows系统了,今年自己换了台电脑,想在家里也随便跑跑,本来也装了Ubuntu可以很方便的配置好,无奈在家的风格是“娱乐的时候抽空学习”,所以移植到Windows还是很有必要的。但是,公司禁止将公司内部资料带出,很多地方又都忘记了,周末磨了一天终于移植完,本篇为记录将Caffe移植至Windows7 x64系统下的一些关键步骤。第一步先看看这老些依赖库怎么搞。
在真正开始编译各依赖库之前,需要准备一些必备工具:
首先当然是VS2013,下载地址:https://www.visualstudio.com/
其次是CMake工具,下载地址:http://www.cmake.org/download/
1.Boost
下载地址:http://www.boost.org/
编译方法:
1) 运行Visual Studio Tools中的VS2013 x64 Cross Tools Command Prompt终端工具
2) 从终端进入boost库所在目录,如D:\LIBS\boost_1_57_0
3) 运行bootstrap.bat生产64位的bjam.exe
4) 输入命令进行编译,更正一下,msvc-12.0才是vs2013哈,感谢halooooJeffrey http://weibo.com/2211847364
静态库:
bjam --build-type=complete
toolset=msvc-9.0toolset=msvc-12.0 threading=multi link=static address-model=64共享库:
bjam --build-type=complete
toolset=msvc-9.0toolset=msvc-12.0 threading=multi link=shared address-model=64
2.OpenCV
下载地址:http://opencv.org/downloads.html 本文中使用的是2.4.10版本
编译方法:
下载后的安装包中有已编译好的库,可直接引用,如D:\LIBS\opencv\build\x64\vc12
3.OpenBlas
下载地址:http://sourceforge.net/projects/openblas/files/
编译方法:
OpenBlas库在windows上编译起来比较复杂,这里给出的下载地址是一个已编译好的压缩包OpenBLAS-v0.2.14-Win32.zip (12.1 MB),直接提供了./bin ./include ./lib路径
4.CUDA
下载地址:https://developer.nvidia.com/cuda-downloads
编译方法:
与OpenCV类似,安装好后直接有已编译好的库。如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.0\include和C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.0\lib\x64
以上是依赖库比较常用,最好将该它们的include和lib加入到Windows的环境变量中,方便后续的库的编译
5.GFlags
下载地址:https://github.com/gflags/gflags
编译方法:
1) 启动CMake(cmake-gui)工具
2) 设置source code路径和build路径
3) 单击Configure按钮,并选择并选择Visual Studio 12 2013 Win64编译器编译器
4) 更新完成后,勾选中BUILD_SHARED_LIBS和BUILD_STATIC_LIBS
5) 单击Generate按钮,生成VS工程
6) 打开刚刚生成的VS工程,build其中的ALL_BUILD工程,注意选择x64模式,并分别生成Debug和Release下的库
7) 编译成功后,在工程路径下会生成bin、include、lib三个文件夹
6.GLog
下载地址:https://github.com/google/glog
编译方法:
该工程中包含VS工程google-glog.sln,打开直接编译即可,同样注意Solution Platform选择x64模式,并分别生成Debug和Release下的库
7.LevelDB
下载地址:https://github.com/bureau14/leveldb
这里没有选择官方的https://github.com/google/leveldb是由于官方版本移除了CMake的依赖项,自己写起来比较复杂
编译方法:
与编译GFlags方法类似,唯一需要注意的地方是将CMakeLists.txt中第82行的-DSNAPPY注释掉,否则需要依赖Snappy库,其实并不绝对需要,为了简单起见将此库去掉。另外Leveldb依赖于boost库,如果没有将boost库添加至环境变量,可能需要手动进行设置。
8.LMDB
下载地址:https://gitorious.org/mdb/mdb/archive/462dc097451834477b597447af69c5acc93182b7.tar.gz
编译方法:
1) 解压压缩包到某路径,例如D:\CODE\CXX\mdb-mdb
2) 在VS2013中新建工程,FILE --> New --> Project From Existing Code..
3) 选取源码所在路径,并给工程起名
4) 单击next按钮后选择Project type为Console application project
5) 将Solution Platform修改为x64模式
6) 注意将工程的输出改为静态库,右键单击工程 --> property --> Configuration Properties --> General --> Project Default --> Configureation Type --> Static library (.lib)
7) 其中一个.c文件中包含了unistd.h,为了解决这个问题需要准备三个文件 unistd.h、getopt.h、getopt.c。unistd.h可以考http://stackoverflow.com/questions/341817/is-there-a-replacement-for-unistd-h-for-windows-visual-c解决。另外两个可以从http://ieng6.ucsd.edu/~cs12x/vc08install/getopt9.zip下载
8) 最后编译即可
9.ProtoBuf
下载地址:https://github.com/google/protobuf
编译方法:
压缩包里有一个叫vsprojects的文件夹,其中有现成的VS工程,可以用来直接编译,也需要注意将Solution Platform修改为x64模式
10.HDF5
下载地址:http://www.hdfgroup.org/ftp/HDF5/current/src/CMake/hdf518-CMakeWindows.zip
编译方法:
解压后,在VS2013 x64 Cross Tools Command Prompt终端工具中运行build-VS2013-64.bat即可。
整理头文件和库文件
将5-10的头文件和编译后的库统一整理到一个3rdparty文件夹下,其中包含两个文件夹include和lib
include文件夹下包含gflags、glog、google、hdf5、leveldb、lmdb六个文件。gflags的头文件来自于生成的VS工程目录中的include文件夹;glog的头文件来自于VS工程目录中的src\windows文件夹;google中是protobuf的头文件,来自于压缩包中的src\google文件夹;hdf5来自于压缩包中的CMake\hdf5-1.8.14\src文件夹,保留.h文件即可;leveldb的头文件来自于压缩包的include文件夹;lmdb的头文件来自于压缩包中的libraries\liblmdb文件夹,保留.h文件即可
lib文件夹中的.lib文件直接从编译好的工程目录下拷贝即可,注意debug模式下的.lib文件的文件名修改为xxxd.lib形式
至此,caffe需要的各项依赖库已经准备完毕,后续会上一些图,看起来直观一些。
VS2013配置Caffe卷积神经网络工具(64位Windows 7)——建立工程
将Caffe移植到Windows系统了,今年自己换了台电脑,想在家里也随便跑跑,本来也装了Ubuntu可以很方便的配置好,无奈在家的风格是“娱乐的时候抽空学习”,所以移植到Windows还是很有必要的。但是,公司禁止将公司内部资料带出,很多地方又都忘记了,周末磨了一天终于移植完,本篇为记录将Caffe移植至Windows7 x64系统下的一些关键步骤。下面介绍如何从源码建立VS2013工程。
1. 从https://github.com/BVLC/caffe下载caffe源码,master或者dev版本都可以,本文中以dev为例
2. 新建一个空的控制台VS2013工程,起名为caffe-dev。
File --> New --> Project
选择Win32 Console Application
选择工程路径,比如D:\CODE\CXX
给项目命名caffe-dev
单击OK后选择Empty project
3. 将工程的Solution Platform改为x64
Build --> Configuration Manager --> Active solution platform --> new --> x64 --> OK
4. 设置CUDA编译
Project --> Build Customizations... --> CUDA 7.0 --> OK
5. 设置一些工程下的路径,注意Debug和Release下都要设置
在Project --> Properties --> Configuration Properties --> VC++ Directories --> Include Directories中添加openblas、opencv、boost和cuda,例如
D:\LIBS\boost_1_57_0;D:\LIBS\OpenBLAS\include
D:\LIBS\opencv\build\include
D:\LIBS\opencv\build\include\opencv
D:\LIBS\opencv\build\include\opencv2
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.0\include
在Project --> Properties --> Configuration Properties --> VC++ Directories --> Library Directories中添加openblas、opencv、boost和cuda,例如
D:\LIBS\OpenBLAS\lib
D:\LIBS\opencv\build\x64\vc12\lib
D:\LIBS\boost_1_57_0\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.0\lib\x64
6. 将压缩包内的include、src和tools文件夹拷贝到工程根目录下,同时把整理好的3rdparty文件夹也拷贝到工程目录下
7. 添加caffe的路径和3rdparty中第三方依赖库的路径,同样Debug和Release都要设置
在Project --> Properties --> Configuration Properties --> C/C++ --> General --> Additional Include Directories中添加
../include;../src
../3rdparty/include
../3rdparty/include/hdf5
../3rdparty/include/lmdb
在Project --> Properties --> Configuration Properties --> Linker --> General --> Additional Library Directories中添加
../3rdparty/lib
在Project --> Properties --> Configuration Properties --> Linker --> Input --> Additional Dependencies中添加
opencv_core2410.lib
opencv_highgui2410.lib
opencv_imgproc2410.lib
cudart.lib
cublas.lib
curand.lib
gflags.lib
libglog.lib
libopenblas.dll.a
libprotobuf.lib
libprotoc.lib
leveldb.lib
lmdb.lib
libhdf5.lib
libhdf5_hl.lib
Shlwapi.lib
注意在Debug下应添加xxxd.lib形式的静态库
opencv_core2410d.lib
opencv_highgui2410d.lib
opencv_imgproc2410d.lib
cudart.lib
cublas.lib
curand.lib
gflagsd.lib
libglogd.lib
libopenblas.dll.a
libprotobufd.lib
libprotoc.lib
leveldbd.lib
lmdbd.lib
libhdf5.lib
libhdf5_hl.lib
Shlwapi.lib
8. 利用protoc.exe和caffe.proto生成caffe.pb.h和caffe.pb.cc文件
在编译protobuf的时候会生成一个可执行文件protoc.exe,在工程的D:\CODE\CXX\caffe-dev\src\caffe\proto路径下有一个文件叫caffe.proto,可以将protoc.exe拷贝到该路径下,在命令行中进入D:\CODE\CXX\caffe-dev\src\caffe\proto路径,输入命令
可以看到在该路径下会生成caffe.pb.h和caffe.pb.cc,在D:\CODE\CXX\caffe\include\caffe中新建一个文件夹proto,将生成的两个文件移动到D:\CODE\CXX\caffe\include\caffe\proto中
9. 准备mkstemp.h和mkstemp.cpp文件。
将mkstemp.h放在include/caffe/util/路径下,mkstemp.h中的内容为
将mkstemp.cpp放在src/caffe/util/路径下,mkstemp.cpp中的内容为
10. 将caffe的源文件添加到工程中
将D:\CODE\CXX\caffe-dev\src\caffe路径下除了test文件中的所有源文件添加到工程中,如果想要跑一些测试代码,也可以把test中的源文件加进去
将D:\CODE\CXX\caffe-dev\include\caffe\proto下的caffe.pb.cc添加到工程中
将D:\CODE\CXX\caffe-dev\tools下的caffe.cpp添加到工程中
11. 修改一些代码
在include/caffe/common.hpp中添加
#include <direct.h>
在include/caffe/util/io.hpp中添加
#include "mkstemp.hpp"
,并将close
函数替换为_close
,将char* mkdtemp_result = mkdtemp(temp_dirname_cstr);
替换为errno_t mkdtemp_result = _mktemp_s(temp_dirname_cstr, sizeof(temp_dirname_cstr));
将bnll_layer.cu中的
const float kBNLL_THRESHOLD = 50.;
修改为#define kBNLL_THRESHOLD 50.
将util/db.cpp中的
mkdir(source.c_str(), 0744)
修改为_mkdir(source.c_str())
将util/io.cpp中的
open
函数替换为_open
,close
函数替换为_close
将util/io.cpp中
ReadProtoFromBinaryFile
函数中的int fd = open(filename, O_RDONLY);
替换为int fd = open(filename, O_RDONLY | O_BINARY);
在util/math_functions.cpp中添加
在common.cpp中添加
#include <process.h>
将
pid = getpid();
替换为pid = _getpid(); 这里本来有个笔误,谢谢dongb5lz的提醒
注释掉
::google::InstallFailureSignalHandler();
将solver.cpp中的
snprintf函数替换为sprintf_s
【caffe-Windows】caffe+VS2013+Windows高速配置教
首先来一波地址:
happynear大神的第三方caffe:
Neil Z大神的第三方caffe:https://initialneil.wordpress.com/2015/01/11/build-caffe-in-windows-with-visual-studio-2013-cuda-6-5-opencv-2-4-9/
caffe提供Windows工具包(caffe-windows):https://github.com/BVLC/caffe/tree/windows 百度云下载地址:链接: 密码:phf3
微软提供Windows工具包(caffe-master):https://github.com/Microsoft/caffe 百度云下载地址:链接: 密码:ith0
我使用的是微软官方提供的链接,基本上与caffe官网上提供安装包差不多,具体区别没有细看,这个caffe无需配置第三方库的环境变量,直接就可以自动下载所需要的库,包含opencv和boost等。
【注】VS2012的也有人写过,自行参考。此版严格只支持VS2013。此版本无需配置任何第三方环境哦,因为在项目属性里面都已经包含进去了,非常方便。如果出现了一些文件打不开或者其它问题,第一可能是VS自身问题,第二可能你配置过其它caffe,修改过环境变量,导致找不到头文件之类的。
第一步
下载caffe官网提供的工具包,复制Windows下CommonSettings.props.example,后缀改为CommonSettings.props,如下:
第二步
由于我电脑无GPU,所以修改复制过来的CommonSettings.props配置文件(这里还可以根据需要设置MATLAB或者Python的借口,不过我打算学习C++下的caffe编写,所以没有配置这两种接口):
第三步
双击Windows下的caffe.sln,在VS2013中生成解决方案:
【注】里面的caffe.managed和predict 是我自己写的测试项目,其它的才是官网自动生成的哈~~~ :->
然后会弹出一个窗口,Nuget所需要的第三方库,可能会未响应,慢慢等吧。如果出现无法连接的那个问题,说明IP ping不过去,直接把问题复制到网上搜,有解决方法。
第四步
当下载完毕第三方库,你的caffe-Windows并列文件夹下会有一个第三方库的文件夹
【注】caffe-windows和caffe-master对caffe.cpp编译以后下载的第三方库都是十六个文件夹。
最好核对一下文件,免得没下载完就被你关掉了。
这个时候,当下载完毕,VS仍在继续执行生成任务,最终可能失败,原因下面会提示说无法打开libcaffe.lib之类的error。解决方法是直接对libcaffe重新生成,或者直接生成一次
当这个文件生成成功以后,重复一下上一步,对所有文件再重新生成一下,这时候应该不会出现libcaffe.lib无法打开的错误了。
【PS】如果出现windows.h之类的错误,请自行解决,初步断定是VS编译器的环境变量没有配置好,或者版本安装出现过问题,建议重装系统,安装官方版VS2013
第五步
设置一下运行项,解决方案'caffe'->属性
或者下面直接单启动项目是caffe也行,不过最好改一下,原因相信玩过VS的都清楚,如果是单启动项目,不管你运行什么,他都会只运行这个单启动项目设置的源文件
第六步
运行caffe.cpp,直接双击打开caffe.cpp,然后ctrl+f5直接编译,出现如下命令窗口说明编译成功
【PS】这个其实告诉你了如何调用caffe.exe去训练你的模型
在下一篇博客中会介绍cifar的训练实例。
2楼hh1064284609前天 23:34你好,请问NugetPackages第三方库应该放在caffe-Windows下吗,我发现caffe.cpp找不到里面的头文件。而且楼主用的应该是微软提供的工具包而不是caffe官网的,里面少了2个文件夹Re:zb1165048017前天 09:10回复hh1064284609n谢谢指正,我刚才看了一下,的确是微软提供的。不过我电脑上也安装过caffe官方提供的版本链接,生成NugetPackages里面也是总共有十六个文件夹,你的caffe.cpp找不到哪个头文件,要不行就手动添加一下库目录或者附加包含目录1楼Gargan3天前 13:40谢谢!Re: zb1165048017前天 20:06回复Gargann共同学习哈,嘿嘿- 顶
- 0
- 踩
- VS2013配置Caffe卷积神经网络工具(64位Windows 7)——准备依赖库
- VS2013配置Caffe卷积神经网络工具(64位Windows 7)——准备依赖库
- 【caffe】VS2013配置Caffe卷积神经网络工具(64位Windows 7)——准备依赖库
- VS2013配置Caffe卷积神经网络工具(64位Windows 7)——建立工程
- Windows 7 64位下caffe配置cuda7.5 VS2013
- 配置Caffe+VS2013+CUDA 6.5+Windows 8.1 64位系统
- Caffe +VS2013+WINDOWS 64位 无gpu 配置
- Caffe:Windows(64位)+VS2013下的Caffe(CPU Only)安装配置
- win7(64位)+VS2013+CUDA7.5+caffe 环境配置
- win7 64位 vs2013下配置caffe(CUDA8.0)
- Win7 配置caffe框架(VS2013 CUDA7.5 Win764位)
- Windows 7 64位 + cuda6.5 + Opencv2.49 + VS2013安装caffe
- 【神经网络与深度学习】caffe+VS2013+Windows无GPU快速配置教程
- 【神经网络与深度学习】caffe+VS2013+Windows无GPU快速配置教程
- 卷积神经网络caffe
- win10+VS2013+CPU配置caffe(windows分支)
- caffe +windows+无GPU+VS2013配置(C++和MATLAB)
- ubuntu14.04 64位caffe配置遇到libboost依赖问题
- 多类SVM的损失函数
- linux 制作安装包、升级包、自解压包——makeself
- imageloder1
- C++写的小工具
- 增加织梦description文章描述长度
- VS2013配置Caffe卷积神经网络工具(64位Windows 7)——准备依赖库
- 设计模式--Decorator 模式
- Android属性动画完全解析(上),初识属性动画的基本用法
- 更新 Xcode 8 遇到的bug
- Java IO流经典练习题
- Too many texture interpolators would be used for ForwardBase pass
- 高德地图
- 一尝未来
- 欢迎使用CSDN-markdown编辑器