一、安装配置
caffe_master包
https://pan.baidu.com/s/1kI2TcOX3Ak-kNGGzsTYRBA
其它有需要请留言[email protected]
本文在windows下使用visual studio2013配置关联anaconda2.7(Anaconda2-4.3.1-Windows-x86_64 (1))的caffe项目，如果有耐心的人，当然可以自己去下载caffe项目自己进行编译，由于我比较懒，所以这里我利用微软自己移植的caffe进行部署，就不尝试编译官方的caffe（听说自己编译需要解决各种坑），微软移植的解决方案编译确实很方便，解决一些引用就ok了。caffe-master
学姐电脑情况如下：win10_x64 GTX950M显卡。安装的纯净系统，用360驱动大师安装驱动。相关安装文件，在百度云中提供的内均可以下载。注意：gtx1000系列显卡无法采用下面安装方法。因为gtx1000系列显卡需要安装cuda8.0.
第一步：安装vs2013及以上，anaconda2.7（相当于Python2.7但是包更全），MATLAB2014及以上版本
第二步：安装cuda8.0，解压缩cudnn的三个文件，复制到cuda安装目下对应的文件内（通常在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0下）。无英伟达显卡可以跳过此步
第三步：下载caffe-master文件，解压缩到任意磁盘，假设d盘。
1.在caffe-windows中，复制CommonSettings.props.example并重命名为CommonSettings.props
2.打开CommonSettings.props，将cpu only 改为false ）
3 <CpuOnlyBuild>false</CpuOnlyBuild>
<UseCuDNN>true</UseCuDNN>
<CudaVersion>8.0</CudaVersion>
设置python <PythonSupport>true</PythonSupport>
<PythonDir>应该改成anaconda2所在的目录
设置MATLAB <MatlabSupport>true</MatlabSupport>
<MatlabDir>应该改成matlab所在的目录（看你电脑上matlab放哪），
<IncludePath>中添加$(MatlabDir)\toolbox\distcomp\gpu\extern\include，因为新的matlab可能把mxGPUArray.h放到这儿去了，所以要添加上去。
<CudaArchitecture>compute_30,sm_30</CudaArchitecture> -------我的显卡是gt750m，计算能力是30，根据实际情况修
关联python2.7地址 <PythonDir>D:\Anaconda2\</PythonDir>
关联MATLAB地址 <MatlabDir>D:\Program Files\MATLAB\R2016a</MatlabDir>
4.启动anaconda命令窗口:
开始> 所有程序> anaconda> anaconda prompt
pip install+包
anaconda中自带numpy、scipy、matplotlib、scikit-image这些包
要安装pip install protobuf
5.项目编译详见如下地址
http://www.cnblogs.com/marso/p/caffe_win10_python.html
6.MATLAB编译及配置
http://www.cnblogs.com/njust-ycc/p/5776286.html
http://blog.csdn.net/code_caq/article/details/68941560
编译通过后：
1.可以看到成功生成了matcaffe文件夹 以及caffe.exe可执行文件，还有其他一些依赖文件，caffe.exe是用来进行网络训练的。
2.打开matcaffe文件夹，进入+caffe，再进入private，如果成功生成了caffe_mexw64文件，说明matlab接口配置成功了。
3.打开MATLAB，设置路径，将caffe-master\Build\x64\Debug\matcaffe加进去
4.（path）：路径深度到Release目录为止，比如，我这里是D:\caffe\caffe-master\Build\x64\Debug
5.保存后，重启matlab，不然测试时会报找不到caffe_mexw64模块的错误。
在控制台输入一个函数作为测试：caffe.reset_all();
二、caffe编译Caffe微软官方GitHub
下载地址：https://github.com/Microsoft/caffe
caffemaster是更容易编译的，官方的很难弄
通过GitHub管理项目非常方便，可以自己通过VS团队资源管理器进行链接代码，牛人修改里面的东西也可以提交上去。当时我这里是直接下载caffe-master.zip的包的方式，然后直接解压出来，可以看到里面有28个文件，共包含16个项目：
（二）项目编译前的步骤：
（1）设置配置文件
在 .\caffe-mastter\windows路径下新建一个文本文档，重命名为CommonSettings.props ，并复制.\windows\CommonSettings.props.example 文件中的内容到 .\windows\CommonSettings.props。默认情况下windows编译需要CUDA和cuDNN，当然你也可以在配置文档（.\windows\CommonSettings.props）中去修改为不用，直接将为true的配置设置为false即可。但是python默认情况下是不能使用的，我这里需要用python进行caffe学习，所以就设置为true了。其他三方的库，VS编译时会通过NuGet进行自动获取，非常方便！
为了便于在训练模型时减少输出信息，建议去\caffe-master\caffe-master\src\caffe\layers\data_layer.cpp文件，将如下打印信息的代码用"//"注释掉：
DLOG(INFO) << "Prefetch batch: " << batch_timer.MilliSeconds() << " ms.";
DLOG(INFO) << " Read time: " << read_time / 1000 << " ms.";
DLOG(INFO) << "Transform time: " << trans_time / 1000 << " ms.";
（2）下载相关软件
CUDA
下载 CUDA Toolkit 8.0 （https://developer.nvidia.com/cuda-toolkit）。如果你电脑没有NVIDIA的独立显卡，那么只能选择用CPU进行编译，就不需要安装CUDA，去配置文件 .\windows\CommonSettings.props 设置<CpuOnlyBuild>false</CpuOnlyBuild> ，同时设置 <UseCuDNN>false</UseCuDNN>。
cuDNN
下载 cuDNN v4 或者 cuDNN v5 （https://developer.nvidia.com/cudnn）。 解压下载的文件到 %CUDA_PATH% (这个路径是CUDA安装时默认设置的一个环境变量路径，通过【系统】-》【高级设置】-》【环境变量】就可以找到)。当然如果你没下载CUDA，也可以直接设置<UseCuDNN>false</UseCuDNN>
Python（建议安装anaconda，因为anaconda自带很多包，caffe_master与2.0版本兼容最好，所以建议安装python2或anaconda2版本）
为了能使用python调用Caffe，需要在 .\windows\CommonSettings.props中设置<PythonSupport>true</PythonSupport>。如果本机没安装python，可以下载Miniconda 2.7 64-bit Windows installer，从官方网址：http://conda.pydata.org/miniconda.html选择下载，默认配置路径安装即可。同时需要以管理员权限安装numpy、scipy、matplotlib、scikit-image、protobuf包，安装命令如下：
conda install --yes numpy scipy matplotlib scikit-image pip
pip install protobuf
注意：
（1）在你编译通过后，需要将编译好的 <caffe_root>\Build\x64\Release\pycaffe\caffe文件复制到python的 <python_root>\lib\site-packages文件夹下面，这样python中才能引用到caffe，不然会报错。
（2）如果要用GPU计算，需要设置<CudaArchitecture>，我以前显卡是650所以只能设置低运行速度的：compute_30 和sm_30（这个根据你自己的显卡计算能力确定, 注意CUDA7.5已经不支持计算能力小于30的显卡了），后来我换成GTX1080，采用compute_52 和sm_52，具体需求见下表：
| GPU | Computer Capability |
| GTX660, 680, 760, 770 | compute_30,sm_30 |
| GTX780, Titan Z, Titan Black, K20, K40 | compute_35,sm_35 |
| GTX960, 970, 980, Titan X | compute_52,sm_52 |
根据需要，我的配置如下图：
（三）项目编译
用VS2013，在caffe-master\windows目录下打开caffe.sln，进去后如下图（共16个项目）：
其中capthaTest是我测试caffe进行验证码识别的python项目。编译时可以直接右键【解决方案caffe】进行生成，当然这会报很多错误，都是些资源文件引用问题，通过一个个项目单独编译都可以很快解决。因为我这里只用到其中几个项目，所以我编译的顺序是：
libcafffe->caffe->pycaffe->convert_imageset，每个项目编译前都需要设置相应的引用路径，这里有两种路径，include路径和libs路径，详细怎么添加见下面。
（1）libcaffe在编译前先设置资源引用路径，点击项目右键-》属性-》配置属性-》c/c++，【附加包含目录中】中加入python的include路径，我这是D:\Python27\include，如下图：
（2）caffe在编译前先设置资源引用路径，点击项目右键-》属性-》配置属性-》c/c++，【附加包含目录中】加入python的include路径，我这是D:\Python27\include，同时，在链接器中的【附加库目录】中加入python的libs路径，我这里是D:\Python27\libs，如果显卡安装不是默认路径也相应把C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include和libs加入到里面，如下图
（3）pycaffe在编译前先设置资源引用路径，点击项目右键-》属性-》配置属性-》c/c++，【附加包含目录中】加入python的include路径和numpy的include路径，我这里分别是D:\Python27\include和D:\Python27\Lib\site-packages\numpy\core\include，同时，在链接器中的【附加库目录】中加入python的libs路径和numpy的libs路径，我这里分别是D:\Python27\libs和D:\Python27\Lib\site-packages\numpy\core\lib，如下图：
如果这个编译时出现：
error LNK2001: 无法解析的外部符号 __imp_PyString_FromString
error LNK2001: 无法解析的外部符号 __imp_PyCallable_Check
error LNK2001: 无法解析的外部符号 __imp_PyObject_CallObject
error LNK2001: 无法解析的外部符号 __imp_Py_Initialize
error LNK2001: 无法解析的外部符号 __imp_Py_IsInitialized
error LNK2001: 无法解析的外部符号 __imp_PyImport_Import
error LNK2001: 无法解析的外部符号 __imp_PyModule_GetDict
error LNK2001: 无法解析的外部符号 __imp_PyDict_GetItemString
error LNK2001: 无法解析的外部符号 __imp_PyRun_SimpleStringFlags
error LNK2001: 无法解析的外部符号 __imp_Py_Finalize
等无法解析外部符号等问题，说明C++编译器在调用python.exe时出错了，我遇到这个坑，解决了很久，具体原因我也不清楚，猜测是因为编码问题导致的，因为我下载的python有问题，而我同事的没问题，最终我把他所有的python文件拷贝覆盖我这里的，最终才算ok！
如果有出现error C2220: warning treated as error - no object file generated 这样的错误，右击项目，属性，在C/C++那里把treat warning as error设为no，再重新编译一次，就完成编译了。
如果用C编写Python扩展找不到Python27_d.lib，这是一个python版本问题，网友给的两种解决方案
方法一：直接安装debug版本的python27
方法二：
1.将python安装目录下libs目录里的python27复制一份并命名为python27_d.lib
2.修改include目录下的pyconfig.h，用/**/将#define Py_DEBUG注释掉
（4）其他项目我想应该也是这种添加模式，应该问题不大
（四）编译完成后检查
如果编译成功了，会在caffe-master同路径下生成NugetPackages文件夹，同时在caffe-master文件夹下生成Build文件夹
（1）NugetPackages里面内容
一个都不能少，如果少了的话，可能是nuget通信问题，多编译几次就下载完了。
（2）Build文件夹下的内容，一定有caffe.exe文件，不然说明没编译成功
（3）编译成功后，将caffe-master\caffe-master\Build\x64\Debug\pycaffe路径下的caffe文件夹拷贝到python的site-packages下面（也可设置PYTHONPATH指向caffe文件夹），然后用python测试能不能正常import caffe，如果没报错说明一切OK。我这里引用时遇到一个问题AttributeError: 'module' object has no attribute 'bool_'，追踪错误堆栈发现如下：
原来是import io出了问题，caffe文件夹里面也有一个io.py，而系统要求的是numpy里面的io.py，所以没有bool_这个模块，解决办法：
1、不要在caffe目录下打开python.exe，或者你一定要在此目录打开，那么请把caffe文件夹移出site-packages路径，并配置环境变量，变量名=PYTHONPATH，值=caffe包的路径
2、如果在VS2013项目里面，请删除References下面的_caffe.pyd引用，如下图：