caffe加入python接口,python caffe框架

本文目錄一覽：

• 1、caffe的python接口求助
• 2、如何快糙好猛地在Windows下編譯CAFFE並使用其matlab和python接口
• 3、如何在Windows下安裝配置python接口的caffe

caffe的python接口求助

一、前期環境以及準備1、安裝python在caffe中，python2和python3的接口都有。但frcnn中只能支持python2.7，所以千萬不要裝成python3。為了方便，不用自己去pip一大堆庫，我建議安裝anaconda2，裡面已經安裝了很多第三方的庫。另附python，Windows的第三方庫，裡面很全。或許有一些庫你要去官網上下載。2、安裝（更新）顯卡驅動和cudaNVIDIA的顯卡驅動安裝應該不用我說了吧，到官網上下載吧。我要說明一點的是，我的1080ti在安裝顯卡驅動時，說和Windows不匹配。怎麼解決呢？更新Windows，到官網上下驅動，再安裝。成功！還有就是記得更新你的顯卡驅動，以防老的驅動不支持cuda。CUDA安裝的話，也是傻瓜試的安裝。提醒一點的是，不要改變他的安裝路徑，默認路徑。然後去NVIDIA的官網上下載cudnn庫，這個庫的話需要去NVIDIA註冊一個賬號，然後問你用這個來完成什麼工作之類的巴拉巴拉。這個庫長什麼樣呢？下載完解壓縮，得到一個cuda的文件夾，裡面有3個文件夾然後打開你的CUDA文件夾，默認路徑是C:\ProgramFiles\NVIDIAGPUComputingToolkit\CUDA\v8.0把cudnn庫裡面的3個文件夾裡面的文件，分別加到cuda裡面對應的文件夾。然後打開cuda需要編譯的部分，默認路徑是C:\ProgramData\NVIDIACorporation\CUDASamples\v8.0因為我用的VS2015，那麼我就用打開2015的那個，然後改成release運行。至此，顯卡計算的環境就搭建完成了。3、cmake和gitcmake的話，我建議直接下載編譯好的能運行的文件（到官網上下載），然後解壓文件，把bin的路徑添加到Path中。git：因為frcnn裡面有很多linux的腳本，你可以不用，但用的話會很方便的。所以我建議安裝git。同樣，傻瓜式的安裝，直接到官網上下載。二、py-faster-rcnn1、編譯caffe的python接口GPU版本（如果你編譯過了就不用了）因為frcnn的編譯過程用需要用到python的caffe包，所以必須要先編譯一次caffe。如果你已經編譯過caffe的py接口就不用了。下載微軟的Caffe，git的地址你可以用git直接下載，或者在git的地址里下載，隨便你。[plain]viewplaincopygitclonecdcaffegitcheckoutwindows打開caffe\scripts，然後編輯build_win.cmd文件第7行的VERSION是你VS的版本，VS2015對應的是14，VS2013對應的應該是12；第8行改為0；第9行改為0（如果你不用GPU，那就還是1）；13行的python_version是你的python版本，2.x就是2，3.x就是3；24,28行是你的python的安裝目錄，如果你是anaconda就改你的anaconda的目錄，否則就不改。同樣69-95行同樣修改。以上2張圖是我的cmake文件配置。進入caffe\scripts，打開cmd，直接執行build_win.cmd。注意他會自動下載需要的庫，因為服務器呢都不在國內，所以我建議掛個VPN，不然你且等呢吧。這樣cmake後呢，python的接口就已經編譯好了，不用再編譯一遍了。把caffe\python下的caffe的文件夾copy到python的第三方包的文件夾就ok。這樣caffe的python接口就好了，你可以進cmd的python試一下importcaffe。如果說，他提示少了什麼包，你直接pip這個包就好了，找不到的話，百度一下就有。但只要你跟着上面我的方法做應該不會出現什麼問題。2、編譯py-faster-rcnn依賴庫首先呢，我們先去編譯一下frcnn的依賴庫。Windows下，不能使用自帶的lib，把自帶的lib刪了，重新下載，這裡給出git的地址。好了，現在你的庫應該長成這樣，有setup.py和setup_cuda.py。進cmd，install這2個文件。現在你肯定會遇到問題，提示你VC版本不對怎麼呢，先set一下：輸入SETVS90COMNTOOLS=%VS140COMNTOOLS%，VS後面的數字就是你的版本。還有不要忘了把你VS的c1.exe加到path下。編譯好frcnn的依賴庫後，應該是這個樣子的。3、給caffe加frcnn的層現在，我們再下載一個caffe，跟前面一樣，把build_win.cmd進行修改。然後我們就可以把frcnn的一些特有的層加到caffe里編譯了。1）添加層和文件打開py-faster-rcnn\caffe-fast-rcnn\src\caffe\layers文件夾，找到4個文件分別為然後copy到你新的caffe的對應文件夾caffe\src\caffe\layers里。接着我們添加頭文件，打開py-faster-rcnn\caffe-fast-rcnn\include\caffe，把fast_rcnn_layers.hpp這文件copy到caffe的對應文件夾下caffe\include\caffe。2）配置2個新層打開你的caffe\src\caffe\proto下的caffe.proto，進行編輯。在407行左右往原來的文件里添加新的層的配置信息[plain]viewplaincopyoptionalROIPoolingParameterroi_pooling_param=8266711;optionalSmoothL1LossParametersmooth_l1_loss_param=8266712;messageROIPoolingParameter{//Pad,kernelsize,andstrideareallgivenasasinglevalueforequal//dimensionsinheightandwidthorasY,Xpairs.optionaluint32pooled_h=1[default=0];//Thepooledoutputheightoptionaluint32pooled_w=2[default=0];//Thepooledoutputwidth//MultiplicativespatialscalefactortotranslateROIcoordsfromtheir//inputscaletothescaleusedwhenpoolingoptionalfloatspatial_scale=3[default=1];}messageSmoothL1LossParameter{//SmoothL1Loss(x)=//0.5*(sigma*x)**2–ifx1.0/sigma/sigma//|x|-0.5/sigma/sigma–otherwiseoptionalfloatsigma=1[default=1];}3）cmake新的caffe的python接口就是再執行一遍build_win.cmd就行。編譯好之後，把caffe根目錄下的python文件夾替換py-faster-rcnn\caffe-fast-rcnn的python文件夾。三、demo完成以上步驟你的py-faster-rcnn就已經編譯成功了。如果你想用demo測試一下的話可以用.\data\scripts里的腳本去下載已經訓練好的model，文件挺大的、速度挺慢的。所以給大家提供一個百度5，把caffemodel文件放在data\faster_rcnn_models，然後執行tools\demo.py就能看到結果了

如何快糙好猛地在Windows下編譯CAFFE並使用其matlab和python接口

一、準備

需要用到的東西我已經幫大家全部準備好了，有2016年2月4日剛剛從caffe官方master分支fork過來的源代碼。有我自己親手製作的第三方庫，在源碼的根目錄下建立個3rdparty文件夾，把文件解壓進去就可以了。

解壓好之後，要將3rdparty/bin文件夾添加到環境變量的PATH中，這樣才能讓程序找到這些第三方庫的dll。

最後是CUDA和MKL了，MKL是可選的，大家可以去Intel官方申請，如果不用cpu模式的話其實也無所謂，在第三方庫包中我還提供了openblas的庫文件。

我使用的是CUDA 7.5版，建議大家也安裝這個版本。

二、編譯

編譯非常簡單，分為以下幾步：

1、雙擊./src/caffe/proto/extract_proto.bat批處理文件來生成caffe.pb.h和caffe.pb.cc兩個c++文件，和caffe_pb2.py這個Python使用的文件。

2、打開./buildVS2013/MainBuilder.sln，打開之後切換編譯模式至Release X64模式。如果打開之後顯示加載失敗，可能你的CUDA版本和我的不一致，我的是CUDA 7.5版，這時就要用記事本打開./buildVS2013目錄下各個文件夾內的.vcxproj文件，搜索CUDA 7.5，把這個7.5換成你自己的CUDA版本，就可以正常打開了。

另外，如果你的顯卡比較老或者沒有顯卡，請使用./build_cpu_only/MainBuilder.sln。

3、點上邊工具欄中的綠色三角編譯吧。編譯大概需要半小時左右，請耐心等待。

如果要用matlab wrapper來提取特徵、觀察訓練好的權重的話呢，只需要把matcaffe項目裡面的matlab目錄修改成你自己的，然後編譯，你就能從matlab/+caffe/private文件夾裡面找到一個叫caffe_.mexw64的文件啦。

python的wrapper類似，把pycaffe項目里的python目錄改成你自己的（我用的是Anaconda），就能在python/caffe文件夾中生成_caffe.pyd的python dll文件。

三、測試

到 下載已經轉換好的MNIST的leveldb數據文件，解壓至./examples/mnist文件夾中，然後運行根目錄下的run_mnist.bat即可開始訓練，訓練日誌會保存在./log文件夾中，以INFO開頭，txt格式的日誌文件中。

ps：如果你編譯成功的話，不要忘了給我的github工程點個star！

四、舊更新日誌

2015/02/25 微軟製作了一個caffe的windows版，他們更加專業，做出來的solution更加容易維護，第三方庫完全由Nuget進行管理，幾乎不用配置什麼東西

2015/12/09 我總結了一下比較常見的問題，寫在 里，而且未來會持續更新，如果碰到問題請先查看這個FAQ列表。

2015/09/14 Caffe現在支持單機多GPU啦，直接在caffe命令後面加–gpu=all或–gpu=0,1 即可使用多個GPU進行訓練。

如果使用多gpu訓練，不要直接點cmd窗口的X，最好使用Ctrl+C來終止程序，不然顯卡驅動有時候會崩潰。

還有如果要在訓練中途存一個snapshot，可以用Ctrl+Break。

因此一個正常的終止訓練的操作是：

先Ctrl+Break保存當前工作狀態，然後Ctrl+C終止訓練。

2015/08/18 lmdb現在已經可以使用了，不過磁盤必須是NTFS格式的才可以。有需要的請到下載，並覆蓋掉3rdparty/lib 中同名的文件，然後右鍵各個工程-僅用於項目-僅鏈接 即可，無需重新生成。

2015/08/08 有很多人報告（包括我自己）cuDNN v3 的速度比v2慢很多，因此master分支被我回滾回v2版本了，所幸cuDNN向下兼容，所以無需再次下載第三方庫。

2015/08/06 新版caffe-windows上線了，由於vs2012編譯速度太慢，從這個版本開始，不再對vs2012提供支持。

2015/07/07 現在caffe也支持VS2013了，第三方庫全部更新至最新版本。請從下載並替換掉原有的build文件夾，其他步驟與先前版本一致。如果發現bug，煩請反饋給我，留言或在github上提issue均可。

2015/06/07 添加Insanity Layer（即randomized leaky rectified linear units），我也不知道為什麼叫Insanity。。論文上說效果比PReLU還好些。

2015/06/05 將Caffe版本更新至6月5日的master分支，與上一版最大的不同在於matlab接口更加豐富，cudnn更新至v2版，所以要重新下載第三方庫。

2015/06/05 Batch Normalization更新至新版，現在的默認mnist測試文件即為使用了Batch Normalization層的版本。

2015/05/29 發現上個版本的lmdb.lib使用了別人在vs2013下編譯的版本，現改為vs2012版；

2015/05/29 添加了提取任意層特徵的matlab接口，使用方法：

OUTPUT = caffe(‘get_features’, INPUT, ‘layername1,layername2…’);11

例如：f = caffe(‘get_features’, H, ‘conv51,pool5’); 返回的f為2*1的cell類型，裡面記錄了層的名稱和該層的特徵。

現在有了更好的方法來獲得每層特徵，該函數不再更新。請參見新版matlab接口。

如何在Windows下安裝配置python接口的caffe

1.安裝使用PyInstaller需要安裝PyWin32。

下載與Python對應的PyInstaller版本， 解壓後就算安裝好了 。

2.生成exe文件

Python程序的目錄為 F:\hello.py

在命令行 中進入pyinstaller所在的目錄，運行python pyinstaller.py F:\hello.py

在PyInstaller-2.1目錄下，生成文件夾hello

hello目錄下有文件

exe文件在dist目錄下

如果將python文件複製到 pyinstaller.py 所在目錄下，則運行 python pyinstaller.py hello.py