caffe添加python層（caffe python介面）

本文目錄一覽：

• 1、caffe的python介面求助
• 2、Windows+Anaconda+caffe python要怎麼配置
• 3、caffe中怎麼寫python層
• 4、如何在Windows下安裝配置python介面的caffe

caffe的python介面求助

一、前期環境以及準備1、安裝python在caffe中，python2和python3的介面都有。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介面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介面就不用了。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，因為伺服器呢都不在國內，所以我建議掛個VPN，不然你且等呢吧。這樣cmake後呢，python的介面就已經編譯好了，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介面就好了，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。但只要你跟著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。接著我們添加頭文件，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介面就是再執行一遍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

Windows+Anaconda+caffe python要怎麼配置

你好，

1、首先先生成兩個python文件，在src\caffe\proto\extract_proto.bat 里生成caffe_pb2.py 這個之後有用。

2、然後打開已經給好的caffe\buildVS2013，打開裡面已經有的工程文件，正常的情況下應該是有7個工程，選中pycaffee單獨作為要編譯的項目把pycaffe作為單啟動。注意需要在release x64位下編譯。如果沒有這個的話，就將這個文件夾里python文件夾中的項目加入即可。如果沒有python項目，就自己建一個，將python文件夾里的cpp文件加入就可以了。

3、選擇pycaffe的屬性，將配置屬性下的VC++目錄中的包含目錄和庫目錄填上你python所在的include和libs 再在C/C++的目錄下的附加包含目錄一項中添加

以我的python為例。D:\python27\Lib；D:\python\include\ 以及D:\Python27\Lib\site-packages\numpy\core\include 如果你安裝了CUDNN這裡可以在預處理器那裡把USE_CUDNN加上，同時在LINKER的輸入目錄下的附加依賴庫中加入cudnn的lib文件。

4、開始編譯即可。這裡要注意一定要和caffe、caffelib在一個項目里編譯，否則會報錯。

caffe中怎麼寫python層

這兩天一直在研究faster rcnn的源碼，可是依舊感覺雲里霧裡，故下定決心把caffe調用Python

layer的流程仔細走一遍，好明白到底是什麼在調用python layer。話說 linux

調試還真是蛋疼啊，木有ide那樣直接下斷點，gdb又不會用，只能傻比比的不斷的LOG(INFO)輸出。還好最終還是明白了，我就直接順著

faster rcnn來說，並記錄在此。

faster

rcnn最核心的代碼就是在lib文件中，其他的都只是各種調用文件而已。不過lib里寫了很多個模塊，如何讓caffe知道模塊在哪裡，並調用呢？這是

我搞一晚上的初衷。我先大概說一下caffe正常的流程，首先從文件中讀入solver並生成一個solver，然後根據solver的net路徑生成一

個net，net調用layer_factory循環生成每個層，最後根據讀入model或是filler來初始化參數。實際上也怪自己馬虎大意，沒太細

看代碼，導致所用的時間比較多。從上面的流程可以知道layer_factory是循環生成每個層，我看.cpp文件也的確寫了#if

WITH_PYTHON_LAYER，然後有什麼什麼操作，比如儲存python

layer的python_param，並調用setup，不過我沒看出來這裡實際上已經是利用boost進行C++

Python混編了。這些操作的定義就在python_layer.hpp文件中，我當初還以為在什麼pythonXXX.cpp中，找了半天也沒找到。

layer_factory中python

layer的setup相關具體操作是，先根據param找到module的位置，再載入module，再根據層名載入層，然後前向計算反向計算什麼的。

這些就已經算是達到目的了。不過只是知道相對路徑，怎麼可能載入成功呢？然後又繼續找啊找，終於在faster

rcnn的tools文件中找到。_init_paths里有寫一些預操作，比如將lib路徑寫入PYTHONPATH中，當然如果寫入的話，這樣就可以

直接載入了。終於搞定。

這次也算是個小問題而已，不過只有再理清了整條脈絡，看代碼才會更加清晰，故也算是個重要的問題吧。不過這次也算是暴露了我不認真的問題，以後還是要耐心仔細找答案才行啊。

如何在Windows下安裝配置python介面的caffe

1、首先先生成兩個python文件，在src\caffe\proto\extract_proto.bat里生成caffe_pb2.py這個之後有用。2、然後打開已經給好的caffe\buildVS2013，打開裡面已經有的工程文件，正常的情況下應該是有7個工程，選中pycaffee單獨作為要編譯的項目把pycaffe作為單啟動。注意需要在releasex64位下編譯。如果沒有這個的話，就將這個文件夾里python文件夾中的項目加入即可。如果沒有python項目，就自己建一個，將python文件夾里的cpp文件加入就可以了。3、選擇pycaffe的屬性，將配置屬性下的VC++目錄中的包含目錄和庫目錄填上你python所在的include和libs再在C/C++的目錄下的附加包含目錄一項中添加以我的python為例。D:\python27\Lib；D:\python\include\以及D:\Python27\Lib\site-packages\numpy\core\include如果你安裝了CUDNN這裡可以在預處理器那裡把USE_CUDNN加上，同時在LINKER的輸入目錄下的附加依賴庫中加入cudnn的lib文件。4、開始編譯即可。這裡要注意一定要和caffe、caffelib在一個項目里編譯，否則會報錯。