windows 10 下 Caffe + Matlab 部署

標籤：

在 windows 10 下部署 Caffe 花了很多時間才調通，記錄下 key 節點以便後續查詢：

 

一、安裝軟體：

1、安裝 Microsoft Virtual Studio 2013 / Matlab 2015a / CUDA 7.5：

需要注意的是， VS2013 需要先安裝，以便於 Matlab 識別 VS路徑，CUDA 綁定內容；總之需要 VS2013 第一個安裝；

其中，VS2013 SP5 是必須的版本，據 happynear [CSDN，GitHub]描述，Caffe 在 VS2012 下編譯速度很慢（自測 VS2013 約半小時，i7 6700HQ/64G/970M/3G+SSD）；

CUDA 測試用的 7.5 版本，其他版本不知道是否需要修改相關內容；

Matlab 測試使用的是 2015a，在前一次重設系統前是 2015b，似乎也沒有異常，有歡迎留言反饋其他版本；

2、安裝 cuDNN：

cuDNN 改善了 Caffe native 卷基層效率不高的弱點（參見 趙永科/蔔居 先生的大作《深度學習-21天實戰caffe》一書 P356 所提到的卷積網路效能對比），筆者下載的分支為 Microsoft 為 windows 所開發的分支，支援 cuDNN V3/V4，最新版本為 V5，Caffe 尚未官方(分支)支援，如要支援請參考蔔居先生的指導；如果沒有 nVIDIA 帳號，需要註冊一個帳號才能下載 cuDNN（網上搜可以得到網盤等資源）；

此外，建議 cuDNN 單獨安裝在一個目錄中，獨立於 CUDA，方便更換版本（刪除就行）；

3、安裝 Direct X SDK [非必選]：

Direct X SDK 是非必須的，Caffe 的 Demo 編譯時間提示某個常式需要 d3d9.h 檔案（不準確，後來總結時找不到具體是哪一個檔案了，歡迎留言反饋），下載這個版本就好；

4、安裝 Miniconda 部署 [非必選]：

為了編譯 Python 版本的 Caffe，需要安裝 Miniconda；

 

二、編譯 Caffe windows 分支：

Caffe 的 windows 分支有很多版本，測試使用的是 windows 版，這一版需要修改的內容較少（Happynear 版嘗試了下，太複雜不適合小白），還是 Microsoft 的版本 Microsoft/caffe 比較容易，記錄如下：

1、下載或 Git 源碼：

地址：傳送門；

2、複製 .\windows\CommonSettings.props.example 檔案，重新命名為 .\windows\CommonSettings.props；

3、修改 cuDNN 使能選項，決定是否使用 cuDNN；

 3、安裝 cuDNN 時，如果沒有解壓 cuDNN 在 CUDA 目錄裡面，需要修改 cuDNN 路徑；

4、修改 Matlab 路徑為實際路徑：

5、可以開啟 Caffe.sln 並準備編譯了：

windows 版需要依賴 NuGet 提供的第三方庫，所以電腦能夠上網，且網速良好是十分必要的（該死的長城寬頻/該死的長城寬頻/該死的長城寬頻）;

編譯可能會遇到一堆錯誤，不要緊，一個個檢查過去就好了；

 其中測試時遇到的有：

提示 d3dx9.h 檔案找不到 -- 安裝 DirectX SDK；

提示 alt_sstream_impl.hpp 檔案有問題，簡單按下 Ctrl + S 儲存即可；

其他還可能遇到的錯誤，請FQ或百度一下（留言也可以，小白我不一定能解決）；

需要注意的是，如果需要運行 Matlab，需要在編譯前運行 MatlabPreBuild.cmd，編譯後運行 MatlabPostBuild.cmd；

 

解決了必然存在的編譯錯誤，就愉快地產生了 windows 版的全部檔案；

 

三、跑 Matlab 版的測試：

1、下載基本資料：

可以在 GitHub 上下載需要的 bvlc_reference_caffenet.caffemodel 檔案，或者尋找其他資源如網盤；下載完成後解壓至 .\models\bvlc_reference_caffenet 目錄；

 

2、準備環境變數：

添加編譯出來的 .\Build\x64\Release 檔案夾到環境變數的 path 中，如果運行不成功記得重啟系統再試（很詭異，測試時重啟才看到環境變數生效）；

3、啟動 Matlab，指向 .\matlab\demo 目錄；

添加路徑 .\Build\x64\Release\matcaffe 到 Matlab Path 中，然後運行如下命令： 

im = imread(‘../../examples/images/cat.jpg‘);scores = classification_demo(im, 1);[score, class] = max(scores);

得到輸出：

Elapsed time is 0.073357 seconds.Elapsed time is 0.153671 seconds.Cleared 0 solvers and 1 stand-alone nets

可以看出，得到了最大可能的標籤為 282，0.2985.

運行如下代碼可以看到更多的分類結果細節：

figure;plot(scores);axis([0, 999, -0.1, 0.5]);grid on

 

經過艱難嘗試，Caffe 的 windows 版和 Faster-RCNN 先後攻克，標記一下解決過程，以備後續尋找。

 

此外，更常見的錯誤是 “Invalid MEX-file ‘……\caffe.mexw64‘: 找不到指定的模組”，這個錯誤需要分兩步解決，第一步是添加環境變數，目錄為 .\Build\x64\Release；第二步是將 matcaffe 加入 matlab 的目錄中（可能非必須，不加也成功過）；

修改系統內容變數時，測試失敗，但重啟就可以，所以加了變數還不行建議重啟系統試試；如果一直不行，那麼將 .\Build\x64\Release 下產生的全部檔案都複製到 .\matlab\+caffe\private 下，重啟 Matlab 重試，應該可以解決。

windows 10 下 Caffe + Matlab 部署