深度学习(caffe+VS2013+WIN10)使用GPU编译——调用python接口并且成功运行mnist
来源:互联网 发布:深圳淘宝网店培训 编辑:程序博客网 时间:2024/05/19 19:41
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,
(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
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
1 0
- 深度学习(caffe+VS2013+WIN10)使用GPU编译——调用python接口并且成功运行mnist
- win10环境下安装caffe并且调用python接口成功运行--无GPU版
- CAFFE学习笔记(一):win7+vs2013+python+X64+caffe+CPU(无GPU)+mnist测试
- Caffe源码编译,win10+vs2015+Ninja,C++接口测试(mnist),Python接口测试(mnist),(坑爹篇)
- 【深度学习】笔记13 win10+cuda7.5+caffe+vs2013环境搭建(GPU版本)
- Caffe——Python接口学习(4):mnist实例——手写数字识别
- windows配置caffe及matlab/python接口编译和调用(cpu/gpu)
- win10+vs2013+anaconda2(Python 2.7)+opencv2.4.10 无GPU配置caffe
- vs2013+win7无GPU+微软caffe+python成功安装资源
- Win10上编译Caffe之Libcaffe,运行mnist案例
- 深度学习系列——windows平台下跑微软caffe实战之运行mnist,cifar10
- caffe python接口:mnist
- 【无GPU】windows10+VS2013+caffe安装【python接口】
- win10系统下vs2013中caffe深度学习框架搭建
- caffe+win10+vs2013+Gpu配置记录
- caffe-master+windows7+MATLAB13a+VS2013无GPU(深度学习环境配置)
- caffe windows 编译成功,但是运行时遇到GPU错误
- 深度学习工具箱CAFFE在64位win7+VS2013环境下编译及运行
- Shiro中最简单的一个身份验证例子
- struts.xml配置顺序
- 实时流计算Spark Streaming原理介绍
- linux python2.6升级到2.7
- HTML5中ul,ol,div标签及其使用语法
- 深度学习(caffe+VS2013+WIN10)使用GPU编译——调用python接口并且成功运行mnist
- 二叉树的前序、中序、后序遍历,非递归前、中、后序遍历
- 【py交易】算法竞赛入门经典6.3.1 小球下落 python
- mybatis基本配置之properties
- 替换空格
- 18.利用助手生成表单
- 批处理的注释
- Java 根据环境属性区分不同操作系统
- 输出9*9乘法表,输出以直角三角形的形状输出