【Caffe的C++介面使用說明二)】caffe_windows下的C++介面的使用__C++

轉載自:http://blog.csdn.net/happynear/article/details/45372231 注意:        1)已經按照這個配置成功，並且成功測試了windows下caffe的C++介面        2)這第一篇部落格是第一步:重新設定一個windows下的caffe環境 零、最新動向

本篇部落格的內容已經全部過時失效，需要caffe windows版的可以直接安裝官方教程(https://github.com/BVLC/caffe/tree/windows)安裝，也可以按照我的github(https://github.com/happynear/caffe-windows) 中的說明來安裝，以後的更新都會在github上進行，本篇部落格不會再更新，敬請諒解。 一、準備

　　需要用到的東西我已經幫大家全部準備好了，有2016年2月4日剛剛從caffe官方master分支fork過來的原始碼：https://www.github.com/happynear/caffe-windows。有我自己親手製作的第三方庫 http://pan.baidu.com/s/1bSzvKa，在源碼的根目錄下建立個3rdparty檔案夾，把檔案解壓進去就可以了。 
　　解壓好之後，要將3rdparty/bin檔案夾添加到環境變數的PATH中，這樣才能讓程式找到這些第三方庫的dll。
　　最後是CUDA和MKL了，MKL是可選的，大家可以去Intel官方申請，如果不用cpu模式的話其實也無所謂，在第三方庫包中我還提供了openblas的庫檔案。 
　　我使用的是CUDA 7.5版，建議大家也安裝這個版本。 
　　 二、編譯

　　編譯非常簡單，分為以下幾步： 
　　1、雙擊./src/caffe/proto/extract_proto.bat批次檔來產生caffe.pb.h和caffe.pb.cc兩個c++檔案，和caffe_pb2.py這個Python使用的檔案。 
　　2、開啟./buildVS2013/MainBuilder.sln，開啟之後切換編譯模式至Release X64模式。如果開啟之後顯示載入失敗，可能你的CUDA版本和我的不一致，我的是CUDA 7.5版，這時就要用記事本開啟./buildVS2013目錄下各個檔案夾內的.vcxproj檔案，搜尋CUDA 7.5，把這個7.5換成你自己的CUDA版本，就可以正常開啟了。 
　　另外，如果你的顯卡比較老或者沒有顯卡，請使用./build_cpu_only/MainBuilder.sln。 
　　3、點上邊工具列中的綠色三角編譯吧。編譯大概需要半小時左右，請耐心等待。 
　　 
　　如果要用matlab wrapper來提取特徵、觀察訓練好的權重的話呢，只需要把matcaffe項目裡面的matlab目錄修改成你自己的，然後編譯，你就能從matlab/+caffe/private檔案夾裡面找到一個叫caffe_.mexw64的檔案啦。 
　　python的wrapper類似，把pycaffe項目裡的python目錄改成你自己的（我用的是Anaconda），就能在python/caffe檔案夾中產生_caffe.pyd的python dll檔案。 三、測試

　　到 http://pan.baidu.com/s/1mgl9ndu 下載已經轉換好的MNIST的leveldb資料檔案，解壓至./examples/mnist檔案夾中，然後運行根目錄下的run_mnist.bat即可開始訓練，訓練日誌會儲存在./log檔案夾中，以INFO開頭，txt格式的記錄檔中。

ps：如果你編譯成功的話，不要忘了給我的github工程點個star。 
四、舊更新日誌

2015/02/25 微軟製作了一個caffe的windows版，他們更加專業，做出來的solution更加容易維護，第三方庫完全由Nuget進行管理，幾乎不用配置什麼東西，建議大家都去嘗試一下：https://github.com/Microsoft/caffe 。 
2015/12/09 我總結了一下比較常見的問題，寫在 https://github.com/happynear/caffe-windows/blob/master/FAQ.md 裡，而且未來會持續更新，如果碰到問題請先查看這個FAQ列表。 
2015/09/14 Caffe現在支援單機多GPU啦，直接在caffe命令後面加--gpu=all或--gpu=0,1 即可使用多個GPU進行訓練。 
如果使用多gpu訓練，不要直接點cmd視窗的X，最好使用Ctrl+C來終止程式，不然顯卡驅動有時候會崩潰。 
還有如果要在訓練中途存一個snapshot，可以用Ctrl+Break。 
因此一個正常的終止訓練的操作是： 
先Ctrl+Break儲存當前工作狀態，然後Ctrl+C終止訓練。

2015/08/18 lmdb現在已經可以使用了，不過磁碟必須是NTFS格式的才可以。有需要的請到http://pan.baidu.com/s/1dDHbbgP 下載，並覆蓋掉3rdparty/lib 中同名的檔案，然後右鍵各個工程->僅用於項目->僅連結 即可，無需重建。 
2015/08/08 有很多人報告（包括我自己）cuDNN v3 的速度比v2慢很多，因此master分支被我復原回v2版本了，所幸cuDNN向下相容，所以無需再次下載第三方庫。 
2015/08/06 新版caffe-windows上線了，由於vs2012編譯速度太慢，從這個版本開始，不再對vs2012提供支援。 
2015/07/07 現在caffe也支援VS2013了，第三方庫全部更新至最新版本。請從  http://pan.baidu.com/s/1sj3IvzZ http://pan.baidu.com/s/1i390tZB下載並替換掉原有的build檔案夾，其他步驟與先前版本一致。如果發現bug，煩請反饋給我，留言或在github上提issue均可。 
2015/06/07 添加Insanity Layer（即randomized leaky rectified linear units），我也不知道為什麼叫Insanity。。論文上說效果比PReLU還好些。 
2015/06/05 將Caffe版本更新至6月5日的master分支，與上一版最大的不同在於matlab介面更加豐富，cudnn更新至v2版，所以要重新下載第三方庫。 
2015/06/05 Batch Normalization更新至新版，現在的預設mnist測試檔案即為使用了Batch Normalization層的版本。 
2015/05/29 發現上個版本的lmdb.lib使用了別人在vs2013下編譯的版本，現改為vs2012版； 
2015/05/29 添加了提取任意層特徵的matlab介面，使用方法：

OUTPUT = caffe('get_features', INPUT, 'layername1,layername2...');                      1                                1          

例如： f = caffe('get_features', H, 'conv51,pool5'); 返回的f為2*1的cell類型，裡面記錄了層的名稱和該層的特徵。  
現在有了更好的方法來獲得每層特徵，該函數不再更新。請參見新版matlab

第二篇部落格:http://blog.csdn.net/sinat_30071459/article/details/50974695

              1)在看完第一篇部落格之後，說明的你windows下的caffe環境已經配置完成

              2)現在根據下面的這個部落格修改caffeLib檔案

本文假設你已經安裝CUDA，CUDA版本是7.5。 1.編譯caffe的Windows版本 happynear的部落格已經介紹了如何在windows下編譯caffe，這裡把我自己編譯的過程記錄下來，也算是做做筆記，方便以後查看。
1.1下載caffe-windows-master 下載地址： caffe-windows-master
1.2下載第三方庫 下載地址： 3rdparty
1.3 解壓 解壓第三方庫3rdparty，解壓到caffe-windows-master中的3rdparty檔案夾中，即caffe-windows-master/3rdparty中的內容為：
。。。然後，需要將bin檔案夾加入環境變數中。
   當然，如果嫌麻煩，下載我解壓好的檔案就行，跳過以上過程，下載該檔案，下載地址： 點擊這裡。
1.4 開始編譯 雙擊caffe-windows-master\src\caffe\proto\extract_proto.bat，產生caffe.pb.h和caffe.pb.cc兩個c++檔案，和caffe_pb2.py這個python使用的檔案。然後，用vs2013開啟./buildVS2013/MainBuilder.sln，開啟之後切換編譯模式至Release X64模式。如果你的CUDA版本不是7.5，開啟之後可能顯示載入失敗，這時就要用記事本開啟./buildVS2013/MSVC/MainBuilder.vcxproj，搜尋CUDA 7.5，把這個7.5換成你自己的CUDA版本，就可以正常開啟了。  右鍵caffelib項目，配置屬性——>常規，將配置類型修改為應用程式(.exe)，目標檔案副檔名修改為.exe；接著： C/C++ ——> 常規，附加元件封裝含目錄修改如下（CUDA路徑按自己的修改）： [plain]  view plain  copy ../../3rdparty/include   ../../src   ../../include   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\include   連結器 ——> 常規，附加庫目錄修改如下（CUDA路徑按自己的修改）： [plain]  view plain  copy ../../3rdparty/lib   [plain]  view plain  copy C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\lib\x64  
連結器——>輸入；將cudnn64_65.lib修改成cudnn.lib
如果需要matlab和python介面，可參考如下設定(路徑按自己的設定)：

Matcaffe項目：

附加元件封裝含目錄：

[plain]  view plain  copy ../../3rdparty/include   ../../src   ../../include   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\include   D:\Program Files\MATLAB\R2014a\extern\include  

附加庫目錄：