Windows+Python+Caffe

时间 2021-08-15 标签 Caffe Python 图像处理环境安装

一、Python安装

Anaconda5.2安装（包含Python使用的大多数库）

下载地址：https://www.anaconda.com/download/

配置caffe可根据下图选择平台。本文建议visual Studio2013+Python2.7（Anaconda2 5.2）

1、双击安装包，进行安装。点击Next

2、点击I Agree。

3、选择安装使用用户，然后点击Next

4、选择安装路径。点击Next。

5、勾选第一个，自动添加ANACONDA环境变量，安装成功后可以直接在命令行运行Python。若未勾选，则可在系统环境变量中添加变量path，变量值为ANACONDA安装路径。

勾选第二个，在安装成功后会提醒是否安装Visual Studio。

6、安装成功后（确保环境变量配置成功），打开命令行，输入Python，即可安装成功。

二、Visual Studio2013安装

若未在安装ANACONDA时接着安装Visual Studio则可打开MSDN网站找到需要安装的Visual Studio版本链接，打开迅雷进行下载。

对应版本链接：

（1）文件名：cn_visual_studio_premium_2013_with_update_5_x86_dvd_6815741.iso

（2）文件名：cn_visual_studio_professional_2013_with_update_5_x86_dvd_6815749.iso

（3）文件名：cn_visual_studio_ultimate_2013_with_update_5_x86_dvd_6816649.iso

将下载好的镜像文件解压，得到文件夹，打开文件夹，文件目录如图：

双击vs_premium进行安装。

三、Caffe安装

Caffe下载链接(caffe-master): https://github.com/Microsoft/caffe

百度云下载：http://pan.baidu.com/s/1hs8ngpA 密码：ith0

1、软件下载完成之后，开始一步一步来搭建环境。

（1）首先解压caffe-master.zip压缩包，打开caffe-master文件夹。在windows文件夹下复制CommonSettings.props.example文件，重命名为CommonSettings.props文件。

（2）在windows文件夹下找到Caffe.sln，并用VS2013打开->项目/解决方案。在CommonSettings.props文件中修改相应内容：（下面Python路径一定要改为anaconda2的路径，图片中是anaconda3路径）

由于PC只有CPU没有GPU，修改第7、8行；想要支持Python接口，修改第13行，并添加Python路径，修改第48行。

打开Caffe.sln出现了libcaffe和test_all加载失败。出现这个情况，原因可能和更改配置有关系，就将项目/解决方案关闭，重新打开就好了。

（3）配置文件修改好后，可以编译Caffe了。

点击生成解决方案之后，因未加载第三方类库NugetPackages，Visual Studio会进行下载，可以事先将下载好的NugetPackages库放到与caffe-master文件夹同级目录下。

安装成功后，有两种Debug和Release活动配置，都可以编译。在编译过程中，建议首选编译Release。

需要留意的地方有两个，在中间下拉菜单旋转"Release",看看是否有16个项目。然后找到libcaffe这一个项目，右键→“属性”，在"configuration Properties"目录下找到"C/C++",将“Treat Warnings Aa Errors”调成“NO(/WX-)”。因为在编译libcaffe的过程中可能会出现一下报警，这些报警的级别太高，会被误认为错误。

留意上面的"Additional Include Directories",把python安装路径下的"include"文件夹的路径填上去，这里要根据各人的地址来填写。

接着配置caffe项目的属性。在"C/C++"选项中找到"Additional Include Directories"，把python的include文件的路径添加进去，例如：E:/python/include。

然后，同样是caffe项目下的属性，选择Linker(连接器)，选择"Additional Library Directories"(附加库目录)，把python的libs的路径添加进去。例如："E:/python/libs"。

然后我们找到pycaffe这个项目，像上述操作一样找到"C/C++"选项中的"Additional Include Directories"，这次需要添加的不止python的include路径，还有numpy的include路径，格式分别是：“E:/python/include”和"E:/python/Lib/site-packages/numpy/core/include"。记得用;隔开。

继续是pycaffe项目，像上述操作一样找到Linker(连接器)，选择"Additional Library Directories"(附加库目录)，把python的libs的路径和numpy的lib路径添加进去。格式分别是：“E:/python/libs”和"E:/python/Lib/site-packages/numpy/core/lib"。记得用;隔开。

接下来生成这16个项目，右键Solution'Caffe'选择"Build"(生成)。

时间可能花10到20分钟，如果最后显示生成16个项目成功的话就真的成功编译了。不过很多人可能会出现找不到"python27.lib"这个错误，因为我们上述的操作没有逐个逐个地把python的libs的路径添加到"Additional Library Directories"(附加库目录)，编译的时候哪个项目报出错误，就在哪个项目的"Additional Library Directories"(附加库目录)添加libs的路径。

此外，还有可能遇到找不到python27_d.lib这个错误，最简单的解决方法就是把python27.lib拷贝一份，然后更名为python27_d.lib。

假设我们都已经编译完成了，在./caffe-master/Build/x64/Release的目录下，看看能不能找到caffe.exe文件，找到的话编译就成功了。

双击工程中caffe.cpp文件，Ctrl+F5直接运行，有如下结果即caffe安装成功。

把./caffe-master/Build/x64/Release/pycaffe目录下的caffe文件夹拷贝到python的Lib目录下的site-packages文件夹。

运行cmd，在Python环境下import caffe提示报错No module named google.protobuf.internal，退出Python环境，运行conda install protobuf命令，完成安装。

完成安装后，在Python环境下import caffe运行成功。

mnist测试：

下面通过一个一个最简单的网络结构lenet来对刚才安装的caffe进行测试。

（1）去官网http://yann.lecun.com/exdb/mnist/下载mnist数据集。下载后解压到E:\caffe\data\mnist。

（2）在caffe根目录下，新建一个create_mnist.bat，里面写入如下的脚本。

.\Build\x64\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\x64\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

然后双击该脚本运行，即可在E:\caffe\examples\mnist下面生成相应的lmdb数据文件。

（3）修改E:\caffe\examples\mnist\lenet_solver.prototxt，将最后一行改为solver_mode:CPU，

修改E:\caffe\examples\mnist\lenet_train_test.prototxt，如下所示，左面为原始的，右面为修改后的。

（4）在caffe根目录下，新建train_mnist.bat，然后输入如下的脚本，

.\Build\x64\Release\caffe.exe train --solver=.\examples\mnist\lenet_solver.prototxt

pause

然后双击运行，就会开始训练，训练完毕后会得到相应的准确率和损失率。