Caffe for Windows安装与配置
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。
转载请注明出处：Caffe for Windows 安装与配置。
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
- 双击
./src/caffe/proto/extractproto.bat批处理文件来生成caffe.pb.h和caffe.pb.cc两个 c++ 文件，和caffepb2.py这个python使用的文件。 - 打开
./buildVS2013/MainBuilder.sln，打开之后切换编译模式至Release X64模式。 - 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。