win10下pip安装caffe框架

1.如何在Windows下安装配置python接口的caffe

整了一晚上加一上午。网上关于python的记录较少，这里写一下。

这里的环境是WIN10+cuda v7.5 +cudnn v4 + opencv + pycharm+VS2013

使用的是GPU，我的GPU是titan16G+内存32G

首先是caffe的文件以及第三方库的编译，这里提供一个已经编译好的的连接，我就是从那里下好然后编译完毕的。

点击打开链接 happynear的

然后就是如何编译python接口。

1、首先先生成两个python文件，在src/caffe/proto/extract_proto.bat 里生成caffe_pb2.py 这个之后有用。

2、然后打开已经给好的caffe/buildVS2013，打开里面已经有的工程文件，正常的情况下应该是有7个工程，选中pycaffee单独作为要编译的项目。如图所示：

把pycaffe作为单启动。注意需要在release x64位下编译。

如果没有这个的话，就将这个文件夹里python文件夹中的项目加入即可。如果没有python项目，就自己建一个，将python文件夹里的cpp文件加入就可以了。

3、选择pycaffe的属性，将配置属性下的VC++目录中的包含目录和库目录填上你python所在的include和libs 再在C/C++的目录下的附加包含目录一项中添加

以我的python为例。D:/python27/Lib;D:/python/include/ 以及D:/Python27/Lib/site-packages/numpy/core/include 如果你安装了CUDNN这里可以在预处理器那里把USE_CUDNN加上，同时在LINKER的输入目录下的附加依赖库中加入cudnn的lib文件。

3、开始编译即可。这里要注意一定要和caffe、caffelib在一个项目里编译，否则会报错。

4、编译成功后会在caffe/python/caffe下生成_caffe.pyd 是打不开的

5、配置python环境：需要几个额外库

Cython>=0.19.2

numpy>=1.7.1

scipy>=0.13.2

scikit-image>=0.9.3

matplotlib>=1.3.1

ipython>=3.0.0

h5py>=2.2.0

leveldb>=0.191

networkx>=1.8.1

nose>=1.3.0

pandas>=0.12.0

python-dateutil>=1.4,<2

protobuf>=2.5.0

python-gflags>=2.0

pyyaml>=3.10

Pillow>=2.3.0

six>=1.1.0

其中numpy要装MKL版本的，不然scipy装上了BLAS不能用

leveldb没有windows版本的，不过我找到了可以使用的办法。见这个博客：

点击打开链接

如果有pip install 装不上的，可以上这个网站找 wheel文件安装就可以了

点击打开链接

6、最后把目录中python下的caffe文件夹复制到python27/Lib/site-packages就可以了。

测试的时候只需要在控制台下输入import caffe 看能载入就知道成功了：）

2.如何在Windows下安装配置python接口的caffe

1、首先先生成两个python文件，在src\caffe\proto\extract_proto.bat 里生成caffe_pb2.py 这个之后有用。

2、然后打开已经给好的caffe\buildVS2013，打开里面已经有的工程文件，正常的情况下应该是有7个工程，选中pycaffee单独作为要编译的项目。把pycaffe作为单启动。

注意需要在release x64位下编译。如果没有这个的话，就将这个文件夹里python文件夹中的项目加入即可。

如果没有python项目，就自己建一个，将python文件夹里的cpp文件加入就可以了。3、选择pycaffe的属性，将配置属性下的VC++目录中的包含目录和库目录填上你python所在的include和libs 再在C/C++的目录下的附加包含目录一项中添加以我的python为例。

D:\python27\Lib;D:\python\include\ 以及D:\Python27\Lib\site-packages\numpy\core\include 如果你安装了CUDNN这里可以在预处理器那里把USE_CUDNN加上，同时在LINKER的输入目录下的附加依赖库中加入cudnn的lib文件。

3.如何在Windows下安装配置python接口的caffe

1.安装使用PyInstaller需要安装PyWin32。下载与Python对应的PyInstaller版本， 解压后就算安装好了 。2.生成exe文件

Python程序的目录为 F:\hello.py

在命令行 中进入pyinstaller所在的目录，运行python pyinstaller.py F:\hello.py

在PyInstaller-2.1目录下，生成文件夹hello

hello目录下有文件

exe文件在dist目录下

如果将python文件复制到 pyinstaller.py 所在目录下，则运行 python pyinstaller.py hello.py

4.win10caffe安装后怎么使用

整了一晚上加一上午。网上关于python的记录较少，这里写一下。

这里的环境是WIN10+cuda v7.5 +cudnn v4 + opencv + pycharm+VS2013

使用的是GPU，我的GPU是titan16G+内存32G

首先是caffe的文件以及第三方库的编译，这里提供一个已经编译好的的连接，我就是从那里下好然后编译完毕的。

点击打开链接 happynear的

然后就是如何编译python接口。

1、首先先生成两个python文件，在src/caffe/proto/extract_proto.bat 里生成caffe_pb2.py 这个之后有用。

2、然后打开已经给好的caffe/buildVS2013，打开里面已经有的工程文件，正常的情况下应该是有7个工程，选中pycaffee单独作为要编译的项目。如图所示：

把pycaffe作为单启动。注意需要在release x64位下编译。

如果没有这个的话，就将这个文件夹里python文件夹中的项目加入即可。如果没有python项目，就自己建一个，将python文件夹里的cpp文件加入就可以了。

3、选择pycaffe的属性，将配置属性下的VC++目录中的包含目录和库目录填上你python所在的include和libs 再在C/C++的目录下的附加包含目录一项中添加

以我的python为例。D:/python27/Lib;D:/python/include/ 以及D:/Python27/Lib/site-packages/numpy/core/include 如果你安装了CUDNN这里可以在预处理器那里把USE_CUDNN加上，同时在LINKER的输入目录下的附加依赖库中加入cudnn的lib文件。

3、开始编译即可。这里要注意一定要和caffe、caffelib在一个项目里编译，否则会报错。

4、编译成功后会在caffe/python/caffe下生成_caffe.pyd 是打不开的

5、配置python环境：需要几个额外库

Cython>=0.19.2

numpy>=1.7.1

scipy>=0.13.2

scikit-image>=0.9.3

matplotlib>=1.3.1

ipython>=3.0.0

h5py>=2.2.0

leveldb>=0.191

networkx>=1.8.1

nose>=1.3.0

pandas>=0.12.0

python-dateutil>=1.4,<2

protobuf>=2.5.0

python-gflags>=2.0

pyyaml>=3.10

Pillow>=2.3.0

six>=1.1.0

其中numpy要装MKL版本的，不然scipy装上了BLAS不能用

leveldb没有windows版本的，不过我找到了可以使用的办法。见这个博客：

点击打开链接

如果有pip install 装不上的，可以上这个网站找 wheel文件安装就可以了

点击打开链接

6、最后把目录中python下的caffe文件夹复制到python27/Lib/site-packages就可以了。

测试的时候只需要在控制台下输入import caffe 看能载入就知道成功了：）

5.如何在windows下安装微软版的caffe

第一步，准备工作

1.首先从网址下载Caffe-Windows安装包（/BVLC/caffe/tree/windows）;

2.安装Visual Studio 2013;

3.如果与需要使用NVIDIA显卡的请安装Cuda和CuDNN，不需要可以不装；

4.将.\windows\CommonSettings.props.example 复制一份并修改为 .\windows\CommonSettings.props，然后打开做如下修改：

1）如果不使用GPU，不安装CUDA和CuDNN，将CpuOnlyBuild 改为 true ，并且 UseCuDNN 改为 false;

2）安装CuDNN的情况下，将CuDNND路径复制到CuDnnPath;

3）选择支持Python或者MATLAB接口，当然也可以两个都支持，设置PythonSupport或者MatlabSupport为true，同时将Python或者MATLAB路径分别粘过来PythonDir和MatlabDir。

第二步，编译

打开.\windows\Caffe.sln，编译Caffe/convert_imageset、caffe、libcaffe、convert_mnist_data等，可以根据提示和需要进行，生成的caffe.exe为训练与测试的主程序，convert_imageset为将训练和测试数据生成LMDB使用的程序。

6.如何在Windows环境下配置Caffe

整了一晚上加一上午。网上关于python的记录较少，这里写一下。

这里的环境是WIN10+cuda v7.5 +cudnn v4 + opencv + pycharm+VS2013

使用的是GPU，我的GPU是titan16G+内存32G

首先是caffe的文件以及第三方库的编译，这里提供一个已经编译好的的连接，我就是从那里下好然后编译完毕的。

点击打开链接 happynear的

然后就是如何编译python接口。

1、首先先生成两个python文件，在src/caffe/proto/extract_proto.bat 里生成caffe_pb2.py 这个之后有用。

2、然后打开已经给好的caffe/buildVS2013，打开里面已经有的工程文件，正常的情况下应该是有7个工程，选中pycaffee单独作为要编译的项目。如图所示：

把pycaffe作为单启动。注意需要在release x64位下编译。

如果没有这个的话，就将这个文件夹里python文件夹中的项目加入即可。如果没有python项目，就自己建一个，将python文件夹里的cpp文件加入就可以了。

3、选择pycaffe的属性，将配置属性下的VC++目录中的包含目录和库目录填上你python所在的include和libs 再在C/C++的目录下的附加包含目录一项中添加

以我的python为例。D:/python27/Lib;D:/python/include/ 以及D:/Python27/Lib/site-packages/numpy/core/include 如果你安装了CUDNN这里可以在预处理器那里把USE_CUDNN加上，同时在LINKER的输入目录下的附加依赖库中加入cudnn的lib文件。

3、开始编译即可。这里要注意一定要和caffe、caffelib在一个项目里编译，否则会报错。

4、编译成功后会在caffe/python/caffe下生成_caffe.pyd 是打不开的

5、配置python环境：需要几个额外库

Cython>=0.19.2

numpy>=1.7.1

scipy>=0.13.2

scikit-image>=0.9.3

matplotlib>=1.3.1

ipython>=3.0.0

h5py>=2.2.0

leveldb>=0.191

networkx>=1.8.1

nose>=1.3.0

pandas>=0.12.0

python-dateutil>=1.4,<2

protobuf>=2.5.0

python-gflags>=2.0

pyyaml>=3.10

Pillow>=2.3.0

six>=1.1.0

其中numpy要装MKL版本的，不然scipy装上了BLAS不能用

leveldb没有windows版本的，不过我找到了可以使用的办法。见这个博客：

点击打开链接

如果有pip install 装不上的，可以上这个网站找 wheel文件安装就可以了

点击打开链接

6、最后把目录中python下的caffe文件夹复制到python27/Lib/site-packages就可以了。

测试的时候只需要在控制台下输入import caffe 看能载入就知道成功了：）

7.caffe windows10 vs2013怎么配置

1.配置环境我在自己的笔记本配置的caffe，配置的环境为：Windows 7 64位 + cuda6.5 + Opencv2.49 +VS2013。

假设在配置caffe之前，你已经准备好这些。本文中将给出一些编译好的依赖库，如果你也是用的Windows 7 64位+VS2013，可以直接使用。

2.准备依赖库在Windows下配置caffe，一个很主要的问题就是依赖库的编译。不像在Ubuntu下那么方便，在Windows下，依赖库都需要使用vs2013进行编译才能使用。

下面我将介绍caffe需要的依赖库（如果你也是win7 64位+VS2013，可以直接使用我提供的依赖库）。2.1 boostboost可以下载源码进行编译，也可以直接下载安装文件。

我使用的是后者，方便、快捷。我使用的是：boost_1.56_0-msvc-12.0-64.exe注意下载适合你的配置环境的boost版本即可。

下载完毕，双击运行安装文件即可。2.2 Glog+Gflag+Protobuf+LevelDB+HDF5+LMDB+Openblas这一部分的很多都是谷歌的开源库，不容易下载（你懂的）。

所以我使用的是Neil Z. SHAO's Blog提供的编译好的。下载完，解压得到3rdparty文件夹。

在下一段将会用到。3.建立caffe工程准备好了caffe需要的依赖库和环境之后，下面就可以建立caffe的vs项目，进行编译了。

3.1 下载caffe源码可以从caffe的github主页下载源码。下载地址：Caffe's GitHub解压文件，假设caffe源码所在目录为CAFFE_ROOT。

3.2 准备项目需要的依赖库和系统环境变量经过上一阶段的准备，caffe项目所需的依赖库都已经准备好。1.首先设置系统环境变量（以我的为例）：CUDA_PATH_V6_5 安装好cuda6.5之后，会自动添加环境变量CUDA_PATH_V6_5OPENCV_2_49 D:/Tools/opencv2.49/build/BOOST_1_56 D:/Tools/boost_1_56_02.将3rdparty文件夹放到CAFFE_ROOT3.3 用vs建立caffe项目1.用VS2013在CAFFE_ROOT下建立 win32 console application，选择空项目。

将项目的平台由32位改为64位2.修改项目属性项目——属性——C/C++——常规——附加包含目录添加：../include;../src;../3rdparty/include;../3rdparty;../3rdparty/include;../3rdparty/include/openblas;../3rdparty/include/hdf5;../3rdparty/include/lmdb;../3rdparty/include/leveldb;../3rdparty/include/gflag;../3rdparty/include/glog;../3rdparty/include/google/protobuf；项目——属相——VC++目录——包含目录添加：$（CUDA_PATH_V6_5）\include;$(OPENCV_2_49)\include;$(OPENCV_2_49)\include\opencv;$(OPENCV_2_49)\include\opencv2;$(BOOST_1_56)项目——属性——链接器——常规——附加库目录添加：$（CUDA_PATH_V6_5）\lib\$(PlatformName);$(OPENCV_2_49)\x64\vc12\lib;$(BOOST_1_56)\lib64-msvc-12.0;..\3rdparty\lib；项目——属性——链接器——输入——附加依赖项debug添加：opencv_ml249d.libopencv_calib3d249d.libopencv_contrib249d.libopencv_core249d.libopencv_features2d249d.libopencv_flann249d.libopencv_gpu249d.libopencv_highgui249d.libopencv_imgproc249d.libopencv_legacy249d.libopencv_objdetect249d.libopencv_ts249d.libopencv_video249d.libopencv_nonfree249d.libopencv_ocl249d.libopencv_photo249d.libopencv_stitching249d.libopencv_superres249d.libopencv_videostab249d.libcudart.libcuda.libnppi.libcufft.libcublas.libcurand.libgflagsd.liblibglog.liblibopenblas.dll.alibprotobufd.liblibprotoc.libleveldbd.liblmdbd.liblibhdf5_D.liblibhdf5_hl_D.libShlwapi.libgflags.liblibprotobuf.libleveldb.liblmdb.liblibhdf5.liblibhdf5_hl.librelease添加：opencv_ml249.libopencv_calib3d249.libopencv_contrib249.libopencv_core249.libopencv_features2d249.libopencv_flann249.libopencv_gpu249.libopencv_highgui249.libopencv_imgproc249.libopencv_legacy249.libopencv_objdetect249.libopencv_ts249.libopencv_video249.libopencv_nonfree249.libopencv_ocl249.libopencv_photo249.libopencv_stitching249.libopencv_superres249.libopencv_videostab249.libcudart.libcuda.libnppi.libcufft.libcublas.libcurand.libgflags.liblibglog.liblibopenblas.dll.alibprotobuf.liblibprotoc.libleveldb.liblmdb.liblibhdf5.liblibhdf5_hl.libShlwapi.lib3.4 编译caffe配置好caffe项目的属性之后，下面就可以一步一步的编译caffe了。3.4.1 编译./src中的文件首先，将../src文件夹中的*.cpp文件添加到工程中。

依次编译每一个*.cpp文件。1.编译blob.cpp直接编译时会报错，缺少文件”caffe\proto\caffe.pb.h”这个时候需要将proto.exe放到../3rdparty/bin文件夹将GernaratePB.bat放在../scripts文件夹运行bat脚本文件即可生成caffe.pb.h然后就可以成功编译。

2.编译common.cpp直接编译这个文件，会出现关于getid和fopen_s的错误。可通过如下步骤修改：在代码前面添加：#include 修改项目属性：项目——属性——C/C++——预处理器——预处理器定义添加：_CRT_SECURE_NO_WARNINGS在代码中getid的位置进行如下修改：#ifdef _MSC_VERpid = getid();#elsepid = _getid();#endf修改完毕之后，可以成功编译。

3.编译net.cpp直接编译这个文件。

8.有人可以帮我配置windows下的caffe吗

1.配置环境

我在自己的笔记本配置的caffe，配置的环境为：Windows 7 64位 + cuda6.5 + Opencv2.49 +VS2013。假设在配置caffe之前，你已经准备好这些。

本文中将给出一些编译好的依赖库，如果你也是用的Windows 7 64位+VS2013，可以直接使用。

2.准备依赖库

在Windows下配置caffe，一个很主要的问题就是依赖库的编译。不像在Ubuntu下那么方便，在Windows下，依赖库都需要使用vs2013进行编译才能使用。下面我将介绍caffe需要的依赖库（如果你也是win7 64位+VS2013，可以直接使用我提供的依赖库）。

2.1 boost

boost可以下载源码进行编译，也可以直接下载安装文件。我使用的是后者，方便、快捷。

我使用的是：boost_1.56_0-msvc-12.0-64.exe

注意下载适合你的配置环境的boost版本即可。

下载完毕，双击运行安装文件即可。

2.2 Glog+Gflag+Protobuf+LevelDB+HDF5+LMDB+Openblas

这一部分的很多都是谷歌的开源库，不容易下载（你懂的）。所以我使用的是Neil Z. SHAO's Blog

提供的编译好的。

下载完，解压得到3rdparty文件夹。在下一段将会用到。

3.建立caffe工程

9.深度学习框架Caffe到底是怎么支持ResNet的

从Geoffrey Hinton 2006年的论文算起，这一波深度学习（DL）浪潮才10年，而如果只算国内，深度学习的流行也不过5年，尽管如此，深度学习现在已经扎根中国互联网，成为BAT、京东、360、今日头条等公司的基础技术和战略技术，与之伴随的，则是深度学习技术人员的快速成长，例如，阿里云工程师卜居（赵永科）博客，2014年才开始接触深度学习实战，如今已在深度学习及计算优化方面方面有很独到的见解。卜居在最近写了一本浓缩其深度学习实战经验的书——《深度学习—21天实战Caffe》，该书获得了机器学习前辈的肯定。日前，卜居接受CSDN记者专访，介绍了他在深度学习领域的实践经验和成长心得，以及完成Caffe著作背后的原因和故事。

卜居认为，深度学习具备强大的表达能力和灵活多变的模型结构，并在各种硬件加速方案的支撑下不断成熟，而Caffe具有高效的C++/CUDA实现、Matlab/Python接口、独特的网络描述方式、清晰的代码框架等优势，徒手hack代码的乐趣更多，同时Caffe框代码于稳定，掌握了阅读技巧可以事半功倍，因而可以作为初学者学习的第一个深度学习框架，由此逐步深入了解使用C++/CUDA代码实现深度学习的计算过程。

谈到新书《深度学习—21天实战Caffe》，卜居表示，这是一本透过源码解读深度学习的书，也是一本注重“实战”的书。读者可以从本书中学习Caffe设计模式、编程技巧，以及深度学习最新的进展和生产环境批量部署等内容。而书中的一些思考题需要深入实践和思考之后才能得到答案，这可以让读者养成独立思考的习惯，从而更加从容地面对实际问题。

此外，对于不同的硬件加速方案，卜居认为，深度学习本身在不断演进，没有哪个计算架构能够一劳永逸，得到某方面优势会丧失另一部分特性，最终起决定作用的仍然是应用需求，例如批量离线处理更适合利CPU/GPU集群的规模优势，而在线应用、移动端应用更适合利用FPGA/ASIC的低功耗、低延迟特性。

转载请注明出处windows之家 » win10下pip安装caffe框架