win10*anaconda*python3*vs2015*（cuda8.0+cuDNN5.1）*caffe安装+借鉴 = 论小白是如何安装caffe的
- 所需软件、环境和目标、注意事项
-
- 其他链接
- 完整步骤总结（站在巨人的肩膀上填坑）
- 后期使用
- 以上就是所谓的“站在巨人肩膀上填坑”，结合别人的教程，再结合实际填自己的坑。鼓捣了一天@_@~~
所需软件、环境和目标、注意事项
如题，本人是win10，anaconda3，vs2015，记得安装一个cmake，后面编译有用，还要安装一个git（GitHub必备啊）。（这里给出cmake下载链接，花了大半天时间下出来的，屎都等出来了@_@（不存在镜像的，别想了））。
https://download.csdn.net/download/qq_38251389/10927861
目标是安装gpu版caffe（严格来说是在win10下编译好caffe，让其能被python3.5调用）。
注意，本人用的是python3.5（anaconda版本只要是3.5以上的就行，不要求完全对应所用python3.x的版本，因为后面创建虚拟环境时可随便创建各种3.x版本）
其他链接
这里给出本人整理好的“前人”的安装caffe教程，亲测后真行，只不过有一些需要注意的点，我会在下面写出来，以防后来者confused。这样应该很具体了吧。。。
1、https://blog.csdn.net/hanzy88/article/details/79196846
2、https://blog.csdn.net/hu_guan_jie/article/details/80071656
完整步骤总结（站在巨人的肩膀上填坑）
1、安装vs2015（勾选visual c++组件）
2、安装anaconda3
3、安装cuda8.0、cuDNN5.1
4、安装python3.5
注：到这步为止都默认你已经都安装好以上的东西了（网上一堆教程）
5、通过anaconda创建一个叫caffe的新环境（conda create -n caffe python=3.5）
6、是时候展现真正的技术了。。
安装Caffe：
首先，在BVLC上以git的方式下载caffe：
调出系统的运行（win+R,输入cmd后,Enter）
输入git clone https://github.com/BVLC/caffe.git
然后：输入cd caffe
再次：输入git checkout windows ，再enter
好了，到这里先别急着关
找到刚刚得到的caffe文件夹，我的在这里：C:\Users\Administrator\caffe，进入scripts文件夹，有一个build_win.cmd的文件，用文本编辑器打开，进行如下更改：
CPU_ONLY = 0 表示安装GPU版本
PYTHON_VERSION=3 表示python3.5，WITH_NINJA=0表示不使用ninja编译，其他的自己看图中绿色注释部分 )
也就是更改主要是关闭ONLY-CPU运算和关闭使用ninja，同时把python支持打开，设置为3，以及设置Anaconda3的位置。 还要设置一下cuDNN路径（默认你已经按照cuda8.0与cuDNN5.1配套安装好了），你的build_win文件有其他不同的地方的话，都按图中来设置就行，别删、别添加其他命令就行。
改好之后保存。
回到运行窗口，输入scripts\build_win.cmd
或者shift+右键，调出powershell，把文件拖进去，等待加载编译就行了。
其中在运行时，可能会出错，是程序在下载一个文件libraries_v140_x64_py35_1.1.0.tar时出错（0%几乎不动弹），手动下载，大家可以戳我邮箱1215668540@qq.com，给你发文件
注意：我在这卡了，按照前人的教程来也不行，后来定睛一看，程序里显示一句“Found suitable python， ‘xx\xx\Python27\python.exe’”，下的是libraries_v140_x64_py27_1.1.0.tar！！瞬间明朗！因为我电脑同时安装了py3.5与py2.7，它优先寻找了minimum版本2.7的！发现问题后马上卸了python2.7，然后执行下面蓝色字体。
下载后放在制定文件夹内，我的是 C:\Users\Administrator.caffe\dependencies\download文件夹内（压缩文件） （注意是.caffe ，有个点，这个路径是你执行了之前的命令后系统自动生成的，在administrator路径下可找到），解压到download同级文件夹里。
重新加载编译一次， 如果出错删除scripts目录下bulid中所有文件，重新加载scripts中的build_win.cmd，否则一直错在同一个地方（每一次更改变动，最好都要删除build文件里的所有文件） 。
重新加载编译应该都没有问题，没有报错就是编译成功了。
注：如果报错类似error MSB6006: "CL.exe"已退出,代码为2等等类似的，3个原因：
A、可能之前的运行的exe还没有关闭，在任务管理器里面干掉它。
B、关掉vc，删除ncb文件，再重新编译。
C、杀毒软件和系统不兼容，建议卸载查毒软件。
反正我先退出杀毒软件了，然后就好啦
洋洋洒洒的一堆warning，问题不大（问题是我是gtx1060的，自我感觉好像没有用1个多小时啊？？？好像也就二十几分钟？？所以这已用时间是怎么回事？？一脸懵逼）
7、编译完成后，会在caffe文件夹下生产一个build文件夹，下一步是进行生成
build文件夹内找到caffe.sln这个解决方案（默认你会使用visual studio），打开caffe.sln，右键ALL_BUILD工程进行生成。
坐等生成完毕
生成完成后，在如下图的文件夹下，会生成caffe.exe等执行文件
7、caffe进行mnist测试
首先去官网http://yann.lecun.com/exdb/mnist/下载mnist数据集，解压后放到如下两个文件夹下，训练数据和测试数据分开，文件夹自己新建一下。
在caffe的目录下创建creat_mnist.bat，train_mnist.bat文件
在creat_mnist.bat中输入（用notepad++（或其他文本编辑器）打开）：（trian_mnist.bat文件的话，后面的时候再盘它）
.\build\examples\mnist\Release\convert_mnist_data.exe .\data\mnist\mnist_train_lmdb\train-images.idx3-ubyte .\data\mnist\mnist_train_lmdb\train-labels.idx1-ubyte .\examples\mnist\mnist_train_lmdb
echo.
.\build\examples\mnist\Release\convert_mnist_data.exe .\data\mnist\mnist_test_lmdb\t10k-images.idx3-ubyte .\data\mnist\mnist_test_lmdb\t10k-labels.idx1-ubyte .\examples\mnist\mnist_test_lmdb
pause（这功能是把原始的文件格式转换成mdb的格式，并放到caffe\examples\mnist下，这种格式读取速度快。）
双击该create_mnist.bat文件，执行完成后，会在caffe\examples\mnist下生成对应数据文件
在caffe\examples\mnist文件夹下，除了刚刚生成的数据文件，还有mnist的模型文件lenet_train_test.prototxt，还有lenet_solver.prototxt模型配置文件。
模型文件lenet_train_test.prototxt，需要给出对应的训练和测试数据路径（这里就给你看看，不用动）
lenet_solver.prototxt模型配置文件中，要给出模型文件的路径，以及训练方式，我这边用的是GPU
这些路径都是相对于caffe这个根目录的相对路径，然后文本编辑器打开前面创建的train_mnist.bat文件，输入：
.\build\tools\Release\caffe.exe train --solver=examples/mnist/lenet_solver.prototxt
pause
注意，/和\这两者要区别清楚，不然很可能会找不到对应的数据或者模型而出错
然后同样双击train_mnist.bat文件，就可以开始训练了，如图训练完成！
8、python接口的配置
在编译完后的caffe根目录下的python文件夹下，会生成pycaffe（即那个caffe文件夹），用于python调用caffe。
将里面的caffe文件夹复制到：
F:\anaconda3\envs\caffe\Lib\site-packages，也就是之前创建的caffe环境对应的包文件夹site-packages内。
然后打开anaconda prompt，执行activate caffe进入环境，安装一些依赖库：
pip install numpy scipy protobuf==3.1.0 six scikit-image pyyaml pydotplus graphviz
安装完后输入python，尝试import caffe，不出错就成了。这时可能会有一些包不存在，只需要pip install 对应的包就可以了。
9、python调用示例
import numpy as np
import sys,os
import time
import matplotlib.pyplot as plt# 设置当前的工作环境在caffe下
caffe_root = 'E:/studySoftware/caffe-windows/'
# 我们也把caffe/python也添加到当前环境
sys.path.insert(0, caffe_root + 'python')
import caffe
os.chdir(caffe_root)#更换工作目录 # 设置网络结构
net_file=caffe_root + 'models/bvlc_reference_caffenet/deploy.prototxt'
# 添加训练之后的参数
#下载地址：http://dl.caffe.berkeleyvision.org/bvlc_reference_caffenet.caffemodel
caffe_model=caffe_root + 'models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel'
# 均值文件
mean_file=caffe_root + 'python/caffe/imagenet/ilsvrc_2012_mean.npy' # 这里对任何一个程序都是通用的，就是处理图片
# 把上面添加的两个变量都作为参数构造一个Net
net = caffe.Net(net_file,caffe_model,caffe.TEST)
# 得到data的形状，这里的图片是默认matplotlib底层加载的
transformer = caffe.io.Transformer({
'data': net.blobs['data'].data.shape})
# matplotlib加载的image是像素[0-1],图片的数据格式[weight,high,channels]，RGB
# caffe加载的图片需要的是[0-255]像素，数据格式[channels,weight,high],BGR，那么就需要转换 # channel 放到前面
transformer.set_transpose('data', (2,0,1))
transformer.set_mean('data', np.load(mean_file).mean(1).mean(1))
# 图片像素放大到[0-255]
transformer.set_raw_scale('data', 255)
# RGB-->BGR 转换
transformer.set_channel_swap('data', (2,1,0)) # 这里是加载图片
im=caffe.io.load_image(caffe_root+'examples/images/cat.jpg')
# 用上面的transformer.preprocess来处理刚刚加载图片
net.blobs['data'].data[...] = transformer.preprocess('data',im) #caffe.set_mode_gpu()
since = time.time()
#注意,网络开始向前传播啦
out = net.forward()
time_elapsed = time.time() - since
print(time_elapsed)#加载标签
imagenet_labels_filename = caffe_root + 'data/ilsvrc12/synset_words.txt'
labels = np.loadtxt(imagenet_labels_filename, str, delimiter='\t') # 最终的结果: 当前这个图片的属于哪个物体的概率(列表表示)
output_prob = out['prob'][0]
# 找出最大的那个概率
print ('predicted class is:', output_prob.argmax())
后期使用
在用caffe的时候，要先打开anaconda prompt，然后activate caffe，在里面打开对应的IDE，比如说spyder。
以上就是所谓的“站在巨人肩膀上填坑”，结合别人的教程，再结合实际填自己的坑。鼓捣了一天@_@~~
有问题戳企鹅1215668540，不喜勿喷