自己的Qt GUI 项目+vs2013+opencv+caffe环境配置

　　由于深度学习的种种优势，使我们对于深度学习的使用越来越频繁。很多时候，我们都需要在自己的项目中配置caffe环境，来调用caffe网络模型完成自己的任务。今天我主要讲的关于"在自己的项目中配置caffe环境所遇到问题的相关说明和解答"，因为项目的需要，需要在项目中配置caffe来完成VGG网络的分类任务。大概花费了一周的时间，总算成功了。期间，也是辗转反侧，遇到了诸多问题，查阅了诸多资料，但是有些问题并没有讲的非常清楚。这里，我就这些遇到的问题，根据自己的情况以及解决的办法跟大家分享一下。

　　首先，需要准备好安装环境：

（1）已编译好的caffe  https://github.com/Microsoft/caffe，必须是已经编译好的caffe工程，因为我们需要用到caffe第三方库，以及编译生成的libcaffe.lib

（2）vs2013  因为caffe需要vs2013的编译器，所以最好是vs2013

（3）GPU环境的还要安装CUDA，Cudnn。可以去官网根据自己的电脑配置下载安装

（4）如果需要做UI的话，也可以在vs中配置相关界面工具，比如QT

　　然后，环境已经准备好了，接下来就是新建vs工程了，这里可以根据自己的情况新建自己的项目，比如win32控制台程序等。由于，我选择用QT来做c++应用的界面，所有我新建的是QT GUI Application。

　　工程新建完成后，接下来就是各种include，lib，dll的配置问题了。我这里要说的是vs2013，x64，Debug，GPU模式。如果你是Release模式，那么就将下面所有的Debug改为Release即可。具体地，打开属性->VC++目录

　　需要说明的是，这里面你需要根据你的caffe环境和CUDA的安装路径，进行更改，否则会报错找不到文件等等

　　接下来是链接器->输入

//debug
opencv_calib3d2410d.lib
opencv_contrib2410d.lib
opencv_core2410d.lib
opencv_features2d2410d.lib
opencv_flann2410d.lib
opencv_gpu2410d.lib
opencv_highgui2410d.lib
opencv_imgproc2410d.lib
opencv_legacy2410d.lib
opencv_ml2410d.lib
opencv_objdetect2410d.lib
opencv_ts2410d.lib
opencv_video2410d.lib
caffe.lib
libcaffe.lib
cudart.lib
cublas.lib
curand.lib
gflagsd.lib
libglog.lib
libopenblas.dll.a
libprotobuf.lib
leveldb.lib
hdf5.lib
hdf5_hl.lib
Shlwapi.lib

　　最后，由于要用到caffe模型，那么必然会出现注册层的问题，这里我们新建一个head.h的头文件，然后在代码中引用该头文件即可。有人说，不这样不行么，建议大家最好这样，因为不这样一般会报出"未知的层"等相关错误。比如：

　　head.h的内容为（注意，这里面的层必须至少要包含你用到的网络的相关层，否则会出错）：

#include<caffe/common.hpp>
#include "caffe/caffe.hpp"
#include<caffe/proto/caffe.pb.h>
#include<caffe/layers/batch_norm_layer.hpp>
#include<caffe/layers/bias_layer.hpp>
#include <caffe/layers/concat_layer.hpp>
#include <caffe/layers/conv_layer.hpp>
#include <caffe/layers/dropout_layer.hpp>
#include<caffe/layers/input_layer.hpp>
#include <caffe/layers/inner_product_layer.hpp>
#include "caffe/layers/lrn_layer.hpp"
#include <caffe/layers/pooling_layer.hpp>
#include <caffe/layers/relu_layer.hpp>
 #include "caffe/layers/softmax_layer.hpp"
#include<caffe/layers/scale_layer.hpp>
namespace caffe
{
    extern INSTANTIATE_CLASS(BatchNormLayer);
    extern INSTANTIATE_CLASS(BiasLayer);
    extern INSTANTIATE_CLASS(InputLayer);
    REGISTER_LAYER_CLASS(Input);
    extern INSTANTIATE_CLASS(InnerProductLayer);
    extern INSTANTIATE_CLASS(DropoutLayer);
    extern INSTANTIATE_CLASS(ConvolutionLayer);
    REGISTER_LAYER_CLASS(Convolution);
    extern INSTANTIATE_CLASS(ReLULayer);
    REGISTER_LAYER_CLASS(ReLU);
    extern INSTANTIATE_CLASS(PoolingLayer);
    REGISTER_LAYER_CLASS(Pooling);
    extern INSTANTIATE_CLASS(LRNLayer);
    REGISTER_LAYER_CLASS(LRN);
    extern INSTANTIATE_CLASS(SoftmaxLayer);
    REGISTER_LAYER_CLASS(Softmax);
    extern INSTANTIATE_CLASS(ScaleLayer);
    extern INSTANTIATE_CLASS(ConcatLayer);

     }

　　这样，完成后就可以对工程进行第一次编译，在编译时，可能会出现如下主要问题：

1 出现某一层重复注册的问题：

这时，你就要根据错误提示，找到是哪个层重复注册了，就将相应的REGISTER_LAYER_CLASS(Convolution);双斜杠掉即可，最后类似于这样：

#include<caffe/common.hpp>
#include "caffe/caffe.hpp"
#include<caffe/proto/caffe.pb.h>
#include<caffe/layers/batch_norm_layer.hpp>
#include<caffe/layers/bias_layer.hpp>
#include <caffe/layers/concat_layer.hpp>
#include <caffe/layers/conv_layer.hpp>
#include <caffe/layers/dropout_layer.hpp>
#include<caffe/layers/input_layer.hpp>
#include <caffe/layers/inner_product_layer.hpp>
#include "caffe/layers/lrn_layer.hpp"
#include <caffe/layers/pooling_layer.hpp>
#include <caffe/layers/relu_layer.hpp>
 #include "caffe/layers/softmax_layer.hpp"
#include<caffe/layers/scale_layer.hpp>
namespace caffe
{
    extern INSTANTIATE_CLASS(BatchNormLayer);
    extern INSTANTIATE_CLASS(BiasLayer);
    extern INSTANTIATE_CLASS(InputLayer);
    //REGISTER_LAYER_CLASS(Input);
    extern INSTANTIATE_CLASS(InnerProductLayer);
    extern INSTANTIATE_CLASS(DropoutLayer);
    extern INSTANTIATE_CLASS(ConvolutionLayer);
    //REGISTER_LAYER_CLASS(Convolution);
    extern INSTANTIATE_CLASS(ReLULayer);
    //REGISTER_LAYER_CLASS(ReLU);
    extern INSTANTIATE_CLASS(PoolingLayer);
    //REGISTER_LAYER_CLASS(Pooling);
    extern INSTANTIATE_CLASS(LRNLayer);
    //REGISTER_LAYER_CLASS(LRN);
    extern INSTANTIATE_CLASS(SoftmaxLayer);
    //REGISTER_LAYER_CLASS(Softmax);
    extern INSTANTIATE_CLASS(ScaleLayer);
    extern INSTANTIATE_CLASS(ConcatLayer);

     }

2 如果出现相关dll文件找不到的系统错误情况：

两种办法：（1）在D:\Resource\caffe\caffe-windows\Build\x64\Debug（如果你是Release就在Release文件中）文件下，找到对应的dll文件，将其拷贝到项目生成的Debug文件夹下面即可，比如：

（2）在项目文件下新建一个dll文件夹，将D:\Resource\caffe\caffe-windows\Build\x64\Debug文件下所有的dll文件拷贝进dll文件夹中，并在属性->配置属性->调试->环境中添加：path=E:\qt\ImageRetrival\dll;再编译即可。

　　 总结：上面的两个是在新建项目中配置caffe出现最多的问题，当然也会有其他的问题，这时就需要你根据具体的问题，查阅相关文档或者自己调试，找出问题，对症下药了。可能这需要花费很多时间，但是不要轻言放弃，相信最后都会解决的。我前后花费了一周多的时间，也是每天不想再调了，但是咬咬牙还是坚持着去解决问题。最后，祝大家都能顺利配置成功，如果有什么问题可以在下面给我留言，我一定依照我的经验给大家一一解答，希望能帮到大家，少走一些弯路。

　　另外：有过有人对于如何在自己的工程里面如何通过caffe加载你要用的网络模型的话，我给大家提供一个链接，该链接对于如何通过caffe调用网络模型提取特征，以代码的形式给予了详细解答：http://blog.csdn.net/mr_curry/article/details/52456548，后续我会补上关于通过caffe调用网络模型提取Mat类型特征的相关预处理及后处理操作详细代码，比如设置与网络模型要求相同的图像大小，通道类型，加载并减去均值等预处理，以及后续的对高维度的特征进行归一化，最后保存到容器中后处理。欢迎大家一起交流探讨！