Windows-caffe配置

下面开始进入正题。配置环境为windows7+cuda7.5+vs2013+matlab2014a

之前用的happynear修改过的caffe（https://github.com/happynear/caffe-windows），也还不错，但后面其实发现在windows下编译caffe也挺简单的。

我用的是Microsoft版caffe，做出来的solution更加容易维护，第三方库完全由Nuget进行管理，几乎不用配置什么东西，适合像我这种喜欢偷懒的。

caffe-master下载地址https://github.com/Microsoft/caffe

一、安装CUDA，VS2013，matlab（可选），python（可选）

bulabulabula

二、配置

将下载的caffe-windows.zip进行解压，并进入其根目录下的windows目录，（eg:E:caffewindows）。

将该目录下的CommonSettings.props.example复制一个并改名为CommonSettings.props，同样还是放在当前目录下。

  

点击打开该CommonSettings.props，

无CUDA则CpuOnlyBuild设为true，并且UseCuDNN设为false

有CUDA则CpuOnlyBuild设为false，并且UseCuDNN设为true，也可不用CuDNN。

如果编译matlab接口，前面MatlabSupport设为 true，Python类似。然后找到：

如果上面要编译matlab接口，则在MatlabDir加入matlab安装路径如D:Matlab2014

然后在 <IncludePath>加入$(MatlabDir)toolboxdistcompgpuexterninclude;因为可能由于matlab版本很新编译时会遇到"gpu/mxGPUArray.h" Not Found问题。

三、CuDNN

上一步说漏了，这里说也来得及。

去官网https://developer.nvidia.com/cudnn下载CuDNN，也可以下载我的，我分享在百度网盘了（http://pan.baidu.com/s/1c1pLim），里面有V4和V5版本，现在已经支持V5了。

进行解压，将相应的bin，include，lib分别放于自己的cuda下面的相应目录中，例如，本人电脑的cuda目录为C:ProgramFilesNVIDIA GPU Computing ToolkitCUDAv7.5（不过默认的应该都一样）

因此，将刚才解压的文件放在这个目录下面的bin，include，lib文件夹下。

四、编译

前面的步骤很简单吧，我觉得比网上很多教程都简单了。而且若是只编译CPU版本，第三步就不需要了，cuda也不需要了。

点击E:caffewindows该目录下的Caffe.sln用VS2013打开。选择release或debug模式，这里由于别的模块用到了libcaffe，所以，首先选择libcaffe，右键生成。成功之后，再选择整个解决方案，右键生成解决方案（单个编译也可以）。

编译成功后，生成的文件保存于caffe-masterBuildx64Release下。当然若是debug模式，编译后在caffe-masterBuildx64debug下。

 

另外再补充两点：

1.如果出现无法打开libcaffe.lib的错误，编译生成libcaffe，再编译整个解决方案。

2.如果出现没有生成object文件的错误，双击该错误，点击确定，然后保存即可。

以上就是我的经验，分享给大家