Windows10+VS2013+caffe+Python2.7+CUDA8.0 部署配置

所需环境工具：

1. Windows 10

2. VS2013

3. Windows版本的caffe工具包，地址：https://github.com/Microsoft/caffe

4. Anaconda2-4.4.0-Windows安装包，地址： https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

5. CUDA8.0，地址：https://developer.nvidia.com/cuda-downloads

6. cuDNN ，地址：https://developer.nvidia.com/rdp/cudnn-download

1. python安装

python下的caffe依赖的第三方库比较多，一个一个下载比较费力，最好使用anaconda安装各个库，包括python，anadonda安装完成之后会自动添加环境变量，Anaconda安装过程：

安装完成之后在控制台输入 conda list 查看已按照的第三方库，以下是部分列表：

在C:\ProgramData\Anaconda2\Scripts路径下spyder.exe文件，是anaconda自带的python编译器，可以把它拖到桌面上备用。

2. CUDA安装

CUDA是NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题，选择下载CUDA8.0
for Windows：

双击下载的安装包开始安装，系统检查并同意许可协议之后在“选项”里最好选择“自定义”，防止精简安装漏装部分功能：

CUDA安装完成之后还需要安装cuDNN。 cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。cuDNN可以集成到更高级别的机器学习框架中，如加州大学伯克利分校的流行CAFFE软件。简单的，插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是调整性能，同时还可以在GPU上实现高性能现代并行计算。

目前caffe支持的cuDNN版本是V4和V5，所以选择其中有一个版本下载，不要选V6。

cuDNN解压出来是这3个文件：

分别把这3个文件放到CUDA安装路径下的bin，include，lib目录下，并且在下一步的CommonSettings.props文件中配置CuDnnPath的值为cuDNN的解压路径。

3.  配置python和GPU支持环境并编译

打开CommonSettings.props，做如下修改：

第7行  <CpuOnlyBuild>false</CpuOnlyBuild>
第8行  <UseCuDNN>true</UseCuDNN>
第9行  <CudaVersion>8.0</CudaVersion>
第13行 <PythonSupport>true</PythonSupport>
第24行 <CuDnnPath>D:\Software\cuda</CuDnnPath>
第48行 <PythonDir>C:\ProgramData\Anaconda2\</PythonDir> 

配置完成之后编译Caffe解决方案，完成之后在 D:\Software\Caffe\caffe-master\Build\x64\Release\pycaffe 编译路径下生成caffe文件夹：

拷贝caffe文件夹到Anaconda的安装路径： C:\ProgramData\Anaconda2\Lib\site-packages ，patyon的配置就完成了。

之后在控制台的python环境下输入 import caffe，会出现一个错误提示，没有google.protobuf模块：

ImportError： No module named google.protobuf

一个解决方法是在Anaconda的安装路径下打开cmd命令，输入 pip install protobuf 进行安装，会自动联网下载最新protobuf模块，之后完成安装：

另一个解决方法是事先下载好protobuf模块，安装包下载地址： https://pypi.python.org/pypi/protobuf ，下载完之后拷贝到anaconda的安装路径下，并打开cmd，输入 pip install +安装包的完整名称 就可以进行安装。

完成之后在python环境下输入 import caffe，如果没有报错出来，说明python已经正确配置caffe：

4. python+caffe训练MNIST数据集测试

1. 修改 lenet_solver.prototxt 文件

第2行 net: "D:/Software/Caffe/caffe-master/examples/mnist/lenet_train_test.prototxt"
第23行：snapshot_prefix: "D:/Software/Caffe/caffe-master/examples/mnist/lenet"
第25行 solver_mode: GPU

2. 修改 lenet_train_test.prototxt 文件

第14行  source: "D:/Software/Caffe/caffe-master/examples/mnist/mnist_train_lmdb"
第31行  source: "D:/Software/Caffe/caffe-master/examples/mnist/mnist_test_lmdb"

确保mnist_train_lmdb和mnist_test_lmdb文件夹下放入了db数据。

3.  在python环境下，依次输入以下内容：

import caffe
caffe.set_mode_gpu()
solver = caffe.SGDSolver('D:/Software/Caffe/caffe-master/examples/mnist/lenet_solver.prototxt')
solver.solve()

读入prototxt文件：

训练完成：