深度学习（caffe+VS2013+WIN10）使用GPU编译——调用python接口并且成功运行mnist

本文主要介绍：经过一番欲哭无泪的折腾，终于在Windows10 64位系统下成功配置Caffe的GPU版，可惜的是我的电脑并没有掉cudnn，因为个GPU计算能力不够，我的GPU计算能力是2.1，而cudnn不支持3.0以下的版本。下面总结一下基本的配置过程，以及配置过程中遇到的问题。

配置环境：Windows10 X64 + CUDA7.5 + VS2013 +  python2.7

1.安装CUDA

1.1. 版本选择

至于版本的选择，我安装的是7.5；其实安装7.5、7.0和8.0版本都可以，安装包网上到处可见，

1.2 安装过程
CUDA安装过程以及与VS关联过程参考：
http://wenku.baidu.com/link?url=iDoyy01I7Q-4D6GJQZjocilfYIbwPdbr3n3fgH4QXdpFjtkEBM6DiiJbDhpInrl7MpuOV7D1LWAWZofmICVxvT_p5dTmiDvngT7oS_Z_9_a
（编译器必须是VS2013）
1.3 更新显卡驱动
安装后，运行GeFroce Experience，点击“驱动程序”—>“检测更新”，其实

2.配置Caffe
2.1. 下载Caffe及第三方库 。
文件下载地址见：http://blog.csdn.net/happynear/article/details/45372231，可以参考博客中的“一、准备”。（博客中“二、编译”不够明确，并且按照博客中的过程进行编译，会遇到一些问题，具体问题下文详细说明。）
2.2. 编译
（1）1、把文件加载进入vs2013
（2）打开caffe-windows-master/buildVS2013/MainBuilder.sln，打开之后切换编译模式至Release X64模式。如果打开之后显示加载失败，可能你的CUDA版本和工程中的不一致，工程中是CUDA 7.5版，这时就要用记事本打开caffe-windows-master/buildVS2013目录下各个文件夹内的.vcxproj文件，搜索CUDA 7.5，把这个7.5换成你自己的CUDA版本，就可以正常打开了。
（3）查看显卡GPU CUDA Capability的版本，方法：
step1: 右键“计算机”—>“属性”—>“设备管理器”—>“显示适配器”。
要查看显卡CUDA Capability版本的原因是因为：buildVS2013项目默认是开启cudnn的，而CUDNN要求GPU CUDA Capability 不低于3.0，如果CUDA Capability 版本低于3.0，在编译过程中，不关闭cudnn，则会出现类似问题：
http://www.aiuxian.com/article/p-2150379.html
http://blog.csdn.net/eagelangel/article/details/50562065
（4）修改工程预编译，关闭cudnn
如果GPU CUDA Capability 不低于3.0，则跳过该过程，低于的进行如下操作：
通过修改预编译来关闭cudnn，点击caffe工程，右键“属性”打开属性页，

删除“预处理器定义”中的USE_CUDNN，同理, 工作中的其他项目也删除USE_CUDNN

（5）修改matcaffe、pycaffe工程相关属性
Caffe接口可以是Python，也可以是Matlab，我选用的是matlab，所以把MainBuilder.sln过程中的pycaffe过程移除了，介绍一下matcaffe的修改过程，pycaffe工程类似：
step1:打开matcaffe工程属性页，添加matlab的 include路径和lib路径：
 

step2:连接器中添加附加目录：

 
（要根据自己的matlab路径进行添加）
（6）准备工作已经完成，点击“生成”进行编译，编辑过程中会花费较长时间。
编译完成后，会在”caffe-windows-master/matlab+caffe/private“生成caffe_.mexw64文件。

3.测试
3.1 配置
设置好相关变量
3.2 测试
运行.bat文件运行mnist，之后GPU加速版的caffe框架成功运行了。
怎么样，看到这，有没有点小激动呀！

注意：如果运行caffe时报错：Check failed: status == CUDNN_STATUS_SUCCESS
这时可以把cuDnn的选项去掉

在各个项目点击右键【属性】->【C/C++】->【所有选项】->【预处理器定义】(preprocessordefinitions)

点击向下的箭头，【编辑】


然后在右边

删除里面的USE_CUDNN，然后重新编译