配置:
win10+vs2013+cuda8.0+caffe
环境:windows10,vs2013 community,cuda8.0,caffe,cudnn4
注意:先要安装好显卡驱动(我的显卡是1070),这里的例子只开通了matlab接口,需要用python可以安装anacoda并打开python接口。

2,准备文件

例子中用的文件:链接:http://pan.baidu.com/s/1hsBNI3i 密码:cynd
注意一:处理cudnn有两种方式,其一是在vs的属性文件中给出目录;另一是将cudnn的文件放到C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0的相应目录中;这里我用的是第二种方式。
注意二:解压出来的caffe-master应该有两层目录名字都是caffe-master,第一次编译的时候我直接去掉了一层,(因为我的小小强迫症),但是发现其实程序会在第一层caffe-master的下面新建一个NugetPackages文件夹来放置第三方库,所以实际上这里不要去掉其中一层caffe-master目录。
注意三:先编译libcaffe,再编译caffe,最后需要什么工程就编译哪个,编译过程中的错误会之后找个时间写一篇专门的博客。

3,测试mnist

需要下载的四个训练和测试数据已经在前面的分享文件夹中,下载即可;
转化数据格式到lmdb,用的是python代码,注意代码应该放在Build同目录下:

import os
import shutil
EXAMPLE='examplesmnist'
DATA='datamnist'
BUILD='Buildx64Release'
BACKEND='lmdb'
print "Createing "+BACKEND+"..."
path1=EXAMPLE+"mnist_train_"+BACKEND
path2=EXAMPLE+"mnist_test_"+BACKEND
if os.path.exists(path1):
shutil.rmtree(path1)
if os.path.exists(path2):
shutil.rmtree(path2)
s1=BUILD+"convert_mnist_data.exe"
s2=DATA+"train-images.idx3-ubyte"
s3=DATA+"train-labels.idx1-ubyte"
s4=EXAMPLE+"mnist_train_"+BACKEND
s5="--backend="+BACKEND
cmd=s1+" "+s2+" "+s3+" "+s4+" "+s5
print cmd
os.system(cmd)
t1=BUILD+"convert_mnist_data.exe"
t2=DATA+"t10k-images.idx3-ubyte"
t3=DATA+"t10k-labels.idx1-ubyte"
t4=EXAMPLE+"mnist_test_"+BACKEND
t5="--backend="+BACKEND
cmd=t1+" "+t2+" "+t3+" "+t4+" "+t5
print "cmd2="+cmd
os.system(cmd)
win10+vs2013+cuda8.0+caffe
执行该代码后,会在examplesmnist下面出现两个文件夹,mnist_test_lmdb和mnist_train_lmdb;
写批处理文件来运行测试mnist:
Buildx64Releasecaffe.exe train --solver=examplesmnistlenet_solver.prototxt
Pause
运行过程截图:
win10+vs2013+cuda8.0+caffe

上图就能看到测试程序的结果,正确率等参数。祝成功,有问题留言!