Windows 10下安裝配置Caffe並支持GPU加速(修改版)

本文轉載自查看原文 2018-05-18 11:25 7616

基本環境

建議嚴格按照版本來
- Windows 10
- Visual Studio 2013
- Matlab R2016b
- Anaconda
- CUDA 8.0.44
- cuDNN v4

1. 安裝CUDA 8.0

安裝完后，程序會自動地添加一個CUDA_PATH的環境變量：

2. 下載cuDNN

下載前需要在Developer網上注冊一個號，簡單填一填基本材料即可。

下完就是一個壓縮包，也沒辦法安裝的，壓縮包里面有三個文件，分別是bin，include，lib，把它們解壓，得到一個叫cuda的文件夾。

3. 從Microsoft的Github中下載Caffe的源碼

注意了，一般來講Windows配置Caffe是比較困難的，原因就在於caffe包不能去正常的官網下載，這個微軟caffe真是給我們省了不少的麻煩，所以，強調一下，去這個鏈接下載Caffe源碼的壓縮包！
https://github.com/Microsoft/caffe

下載完后，解壓文件，得到一個叫caffe-master的文件夾。

4. 安裝Caffe

4.1 打開caffe-master文件夾，然后看到一個windows文件夾，然后繼續打開windows文件夾，看到里面一個CommonSettings.props.example文件，復制出來一份，並改名字為CommonSettings.props。

4.2 用Visual Studio 2013打開windows文件夾下的Caffe.sln，檢查解決方案中的項目，重點看libcaffe和test_all是否成功地被導入。

如果這兩個沒有成功導入，原因是Visual Studio 2013的安裝路徑中缺少CUDA 8.0.props(或者是你的版本號在CommonSettings.props寫錯了)，我的是這個路徑
C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V120\BuildCustomizations
其實CUDA 8.0.props就在cuda的安裝目錄下，我的路徑是
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\visual_studio_integration\MSBuildExtensions
只要拷貝到
C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V120\BuildCustomizations
就行，那么libcaffe和testall就都沒問題了！（以上解決方法屬於引用，博主實際是導入了這兩個項的。）

4.3 設置libcaffe為啟動項目

方法是右鍵libcaffe，選擇設為啟動項目。

4.4 打開解決方案中的CommenSetting.probs，在CuDnnPath那里把存放解壓的cudnn出來的文件夾cuda的目錄路徑放到其中去。(比如我這里是裝在F:\Windows+Caffe下面)----------------這一步如果把CuDnn里cuda的文件已經放到Cuda安裝目錄下的話,就不要再添加路徑了,否則最后會報錯.

也就是說從cudnn-7.5-windows7-x64-v5.1-rc.zip解壓出cuda文件夾，假設位置在F:\Windows+Caffe下，那么CuDnnPath設置為F:\Windows+Caffe。這是因為程序中會自動給你加上cuda，例如(CuDnnPath)\cuda\lib\x64;$(LibraryPath)。因此你需要做的就只是指定它的上級目錄。

4.5 解決方案配置設為release

4.6 選擇菜單中的DEBUG->libcaffe Properties...

此處需要修改兩個地方，分別是配置屬性中的常規和C/C++中的常規，如下圖所示

另外,在cudnn.hpp文件里找到下面代碼,加上版本控制,GUDA版本太高會導致很多錯誤.

template <typename Dtype>
inline void setConvolutionDesc(cudnnConvolutionDescriptor_t* conv,
    cudnnTensorDescriptor_t bottom, cudnnFilterDescriptor_t filter,
    int pad_h, int pad_w, int stride_h, int stride_w) {
  //CUDNN_CHECK(cudnnSetConvolution2dDescriptor(*conv,
  //    pad_h, pad_w, stride_h, stride_w, 1, 1, CUDNN_CROSS_CORRELATION));
#if CUDNN_VERSION_MIN(6, 0, 0)//版本控制
  CUDNN_CHECK(cudnnSetConvolution2dDescriptor(*conv,
   pad_h, pad_w, stride_h, stride_w, 1, 1, CUDNN_CROSS_CORRELATION,
   dataType<Dtype>::type));
#else
  CUDNN_CHECK(cudnnSetConvolution2dDescriptor(*conv,
   pad_h, pad_w, stride_h, stride_w, 1, 1, CUDNN_CROSS_CORRELATION));
#endif
}