当前位置：首页 > news >正文

Windows 10下安装配置Caffe并支持GPU加速(修改版)

news 来源：原创 2024/5/21 12:24:38

基本环境

建议严格按照版本来
- Windows 10
- Visual Studio 2013
- Matlab R2016b
- Anaconda
- CUDA 8.0.44
- cuDNN v4

1. 安装CUDA 8.0

安装完后，程序会自动地添加一个CUDA_PATH的环境变量：

2. 下载cuDNN

下载前需要在Developer网上注册一个号，简单填一填基本材料即可。

下完就是一个压缩包，也没办法安装的，压缩包里面有三个文件，分别是bin，include，lib，把它们解压，得到一个叫cuda的文件夹。

3. 从Microsoft的Github中下载Caffe的源码

注意了，一般来讲Windows配置Caffe是比较困难的，原因就在于caffe包不能去正常的官网下载，这个微软caffe真是给我们省了不少的麻烦，所以，强调一下，去这个链接下载Caffe源码的压缩包！
https://github.com/Microsoft/caffe

下载完后，解压文件，得到一个叫caffe-master的文件夹。

4. 安装Caffe

4.1 打开caffe-master文件夹，然后看到一个windows文件夹，然后继续打开windows文件夹，看到里面一个CommonSettings.props.example文件，复制出来一份，并改名字为CommonSettings.props。

4.2 用Visual Studio 2013打开windows文件夹下的Caffe.sln，检查解决方案中的项目，重点看libcaffe和test_all是否成功地被导入。

如果这两个没有成功导入，原因是Visual Studio 2013的安装路径中缺少CUDA 8.0.props(或者是你的版本号在CommonSettings.props写错了)，我的是这个路径
C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V120\BuildCustomizations
其实CUDA 8.0.props就在cuda的安装目录下，我的路径是
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\visual_studio_integration\MSBuildExtensions
只要拷贝到
C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V120\BuildCustomizations
就行，那么libcaffe和testall就都没问题了！（以上解决方法属于引用，博主实际是导入了这两个项的。）

4.3 设置libcaffe为启动项目

方法是右键libcaffe，选择设为启动项目。

4.4 打开解决方案中的CommenSetting.probs，在CuDnnPath那里把存放解压的cudnn出来的文件夹cuda的目录路径放到其中去。(比如我这里是装在F:\Windows+Caffe下面)----------------这一步如果把CuDnn里cuda的文件已经放到Cuda安装目录下的话,就不要再添加路径了,否则最后会报错.

也就是说从cudnn-7.5-windows7-x64-v5.1-rc.zip解压出cuda文件夹，假设位置在F:\Windows+Caffe下，那么CuDnnPath设置为F:\Windows+Caffe。这是因为程序中会自动给你加上cuda，例如(CuDnnPath)\cuda\lib\x64;$(LibraryPath)。因此你需要做的就只是指定它的上级目录。

4.5 解决方案配置设为release

4.6 选择菜单中的DEBUG->libcaffe Properties...

此处需要修改两个地方，分别是配置属性中的常规和C/C++中的常规，如下图所示

另外,在cudnn.hpp文件里找到下面代码,加上版本控制,GUDA版本太高会导致很多错误.

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
}