win10+vs2013+cuda8.0+caffe
来源:互联网 发布:linux查看磁盘uuid 编辑:程序博客网 时间:2024/05/19 05:34
1,首先说下环境和配置
配置:
环境:windows10,vs2013 community,cuda8.0,caffe,cudnn4
注意:先要安装好显卡驱动(我的显卡是1070),这里的例子只开通了matlab接口,需要用python可以安装anacoda并打开python接口。
2,准备文件
例子中用的文件:链接:http://pan.baidu.com/s/1hsBNI3i 密码:cynd
注意一:处理cudnn有两种方式,其一是在vs的属性文件中给出目录;另一是将cudnn的文件放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0的相应目录中;这里我用的是第二种方式。
注意二:解压出来的caffe-master应该有两层目录名字都是caffe-master,第一次编译的时候我直接去掉了一层,(因为我的小小强迫症),但是发现其实程序会在第一层caffe-master的下面新建一个NugetPackages文件夹来放置第三方库,所以实际上这里不要去掉其中一层caffe-master目录。
注意三:先编译libcaffe,再编译caffe,最后需要什么工程就编译哪个,编译过程中的错误会之后找个时间写一篇专门的博客。
3,测试mnist
需要下载的四个训练和测试数据已经在前面的分享文件夹中,下载即可;
转化数据格式到lmdb,用的是python代码,注意代码应该放在Build同目录下:
import os
import shutil
EXAMPLE='examples\mnist'
DATA='data\mnist'
BUILD='Build\x64\Release'
BACKEND='lmdb'
print "Createing "+BACKEND+"..."
path1=EXAMPLE+"\mnist_train_"+BACKEND
path2=EXAMPLE+"\mnist_test_"+BACKEND
if os.path.exists(path1):
shutil.rmtree(path1)
if os.path.exists(path2):
shutil.rmtree(path2)
s1=BUILD+"\convert_mnist_data.exe"
s2=DATA+"\train-images.idx3-ubyte"
s3=DATA+"\train-labels.idx1-ubyte"
s4=EXAMPLE+"\mnist_train_"+BACKEND
s5="--backend="+BACKEND
cmd=s1+" "+s2+" "+s3+" "+s4+" "+s5
print cmd
os.system(cmd)
t1=BUILD+"\convert_mnist_data.exe"
t2=DATA+"\t10k-images.idx3-ubyte"
t3=DATA+"\t10k-labels.idx1-ubyte"
t4=EXAMPLE+"\mnist_test_"+BACKEND
t5="--backend="+BACKEND
cmd=t1+" "+t2+" "+t3+" "+t4+" "+t5
print "cmd2="+cmd
os.system(cmd)
执行该代码后,会在examples\mnist下面出现两个文件夹,mnist_test_lmdb和mnist_train_lmdb;
写批处理文件来运行测试mnist:
Build\x64\Release\caffe.exe train --solver=examples\mnist\lenet_solver.prototxt
Pause
运行过程截图:
上图就能看到测试程序的结果,正确率等参数。祝成功,有问题留言!
- win10+vs2013+cuda8.0+caffe
- win10+vs2013+cuda8.0+cudnnV5环境安装caffe
- caffe win10 cuda8.0
- win10下vs2013+CUDA8.0+cuDNN8.0的caffe编译过程
- win10+VS2013+MATLAB2014a+Anaconda2(python2.7)+cuda8.0+cudnn5.1+opencv3.2.0+caffe
- win10+vs2013+GTX 1070 配置cuda8.0
- Win7x64+cuda8.0+ caffe VS2013配置记录
- win10+caffe+CUDA8.0安装配置
- Caffe编译(Win10+Vs2015+Cuda8.0)
- 64位win10+cuda8.0+vs2013+cuDNN V5下Caffe的编译安装教程并配置matlab2014a 接口
- Vs2013+Cuda8.0+win10配置教程详细版
- win7 64位 vs2013下配置caffe(CUDA8.0)
- Win7x64+cuda8.0+ Microsoft caffe VS2013配置记录
- windows10+cuda8.0+cudnn5.1+vs2013下编译caffe
- Windows10+VS2013+caffe+Python2.7+CUDA8.0 部署配置
- windows10+cuda8.0+cudnn5.1+vs2013下编译caffe
- WIN10+GTX1050+CUDA9.0+VS2013+caffe
- win10+vs2013+caffe
- 《自控力》读后感
- 三种编码方式
- Openjudge2729 Blah数集(单调队列)
- 对于linux下system()函数的深度理…
- 浅析 ThreadLocal
- win10+vs2013+cuda8.0+caffe
- codevs1229 数字游戏
- linux中select函数的使用
- 正确导入svn拉取的工程
- 大学里面最应该学习的课程,和计算机中最基础的东西。
- codevs1553 互斥的数
- 有关send()函数的理解
- 推荐eclipse velocity一款插件 --- veloeclipse
- codevs1051接龙游戏