1.准备好NVIDIA的显卡,下载安装CUDA  我这里是1060的显卡

下载地址:

https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

【caffe 深度学习】7. win10 caffe gpu版本安装

安装好之后把CUDA安装目录下的bin和lib\x64添加到Path环境变量中

最开始我装的是cuda9.1 装好之后编译出错,改成了cuda8.0加cudnn5.1 成功。

2.cuDNN下载

链接:https://developer.nvidia.com/rdp/cudnn-download

【caffe 深度学习】7. win10 caffe gpu版本安装

解压压缩包,把压缩包中bin,include,lib中的文件分别拷贝到C:\Program Files\NVIDIA GPUComputing Toolkit\CUDA\v9.1目录下对应目录中。


3.修改CommonSettings.props文件
<CpuOnlyBuild>
false</CpuOnlyBuild>
<UseCuDNN>
true</UseCuDNN>
<CudaVersion>
8.0</CudaVersion>
<PythonSupport>
false</PythonSupport>

【caffe 深度学习】7. win10 caffe gpu版本安装

4.打开Caffe.sln

先编译libcaffe

【caffe 深度学习】7. win10 caffe gpu版本安装

点生成

再编译整个工程 ,完成。

5.mnist手写数字识别Gpu编译

首先改下之前写好的文件:运行方式改成gpu

【caffe 深度学习】7. win10 caffe gpu版本安装

再执行train.bat 可以看到明显速度加快很多。

【caffe 深度学习】7. win10 caffe gpu版本安装

6.编译gpu版本的pycaffe,打开caffewindows/windows目录下commonsetting文件

修改【caffe 深度学习】7. win10 caffe gpu版本安装为:

        【caffe 深度学习】7. win10 caffe gpu版本安装

(先编辑gpu版本不带python的caffe,再编译带python的caffe不容易出错)

配置属性:

【caffe 深度学习】7. win10 caffe gpu版本安装

然后生成解决方案:

【caffe 深度学习】7. win10 caffe gpu版本安装

编译成功:

【caffe 深度学习】7. win10 caffe gpu版本安装

把此目录下的caffe文件夹:

【caffe 深度学习】7. win10 caffe gpu版本安装

复制到:

【caffe 深度学习】7. win10 caffe gpu版本安装

然后复制caffe文件夹里的文件:

【caffe 深度学习】7. win10 caffe gpu版本安装

复制到:

【caffe 深度学习】7. win10 caffe gpu版本安装

选择替换

【caffe 深度学习】7. win10 caffe gpu版本安装

至此配置完成。