转载请注明出处:https://blog.gaussic.com

参照 GitHub 上 happynear 的 caffe-windows 项目,将 Caffe for Windows 配置成功,并且测试了其转换好的 MNIST 数据库,不论是速度还是结果上,效果都相当好。现总结一下配置方法。

实验环境

操作系统 Windows 10 Professional
CPU Intel Core i5-4590
GPU Nvidia GeForce GTX 970
VS Microsoft Visual Studio 2013
CUDA CUDA 7.5

软件安装

首先需要安装 Visual Studio 2013。

然后再安装 CUDA 7.5。注意先后顺序。

配置

下载整个的 caffe-windows 项目,解压缩到所需目录下,例如本文中 D:\caffe。

下载作者制作的 三方库 并解压缩到项目的 3rdparty 目录。解压好后,将 3rdparty/bin 文件夹加入到环境变量 PATH 中,这样程序才能找到这些三方 dll。

编译

  1. 双击 ./src/caffe/proto/extractproto.bat 批处理文件来生成 caffe.pb.hcaffe.pb.cc 两个 c++ 文件,和 caffepb2.py 这个 python 使用的文件。
  2. 打开 ./buildVS2013/MainBuilder.sln,打开之后切换编译模式至 Release X64 模式。
  3. 修改设置中的 compute capability(caffelib --> 属性 --> CUDA C/C++ --> Device --> Code Generation)
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

你可以在 https://en.wikipedia.org/wiki/CUDA 上查看你的 GPU 所对应的 Computer Capability。

点击工具栏绿色箭头进行编译,需要一定时间。

测试

下载作者已经转换好的 MNIST 的 leveldb 数据文件,解压到 ./examples/mnist 文件夹中,然后运行根目录下的 run_mnist.bat 即可开始训练,日志会保存在 ./log 文件夹中。可看到,迭代 10000 次,准确率达到了 0.9925

若有更新,请到文中所给链接处实时查看。