CNN：Windows下编译使用Caffe和Caffe2

用于检测的CNN分为基于回归网络的方法和基于区域+CNN网络的方法，其中基于回归网络的方法典型为YOLO9000，可以兼容使用VGG-Net框架。其中基于区域+CNN网络方法，大量使用了Caffe作为基础CNN框架。

准备工作

（python27环境，X64平台，使用Vs2013和Vs2015）：

1. 安装 VcforPython27 9.0或者安装VS2010版本。此步骤涉及到Python库的安装是否成功。

2. 安装 Python27 X64；

3. 使用pip安装Python 包：numpy、matlpotlib、six、scipy、scikit-image、scikit-learn。

scipy 最好使用下载版本的X64版本的 whl包。

一、使用FasterR-CNN

Windows下faster-rcnn的编译可以分为2个部分，caffe的编译和faster-rcnn的编译。由于原始的版本大多基于linux，感谢各位前辈的移植与分享，现在windows版本的在网上都可以找到。但对于初学者可能还是有一些坑要填。以下是我遇到的一些问题和解决方法，用以存档。

二、Vs2013安装使用MS-Caffe

C++版本编译过程

：

原文链接：

Windows+VS2013爆详细Caffe编译安装教程

3.

从

Microsoft

官方

Github

上下载

Caff

e

的源码压缩包

.

微软官方也移植了

Caffe,

在

windows

下面的配置会比较简单一点

.

https://github.com/Microsoft/caffe

建议使用Git 克隆整个工程到本地

4.编译工程文件

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

注意：

1. 编辑模式打开

CommonSettings.props

文件，找到

CUDA version一栏，修改7.5 为8.0

。

否则会出现

libCaffe打不开/载入不了

的情况。

2.编译boost时出现错误，忽视掉错误，把文件保存，即可编译boost通过。

3.此外找到：<cuDnnPath></

cuDnnPath

>这一行，在

中间添加cudnn目录

，我的是C:\Tools\cdunn;

同步修改接下来第11、12行的 <LibraryPath>和<IncludePath>

但是这样做，会导致

出现错误

：

         [html]

         view plain

          copy

          错误 1 error MSB3073: 命令“”D:\caffe-windows\windows\\scripts\BinplaceCudaDependencies.cmd” “C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\bin” “” false true “D:\caffe-windows\windows\..\Build\x64\Debug\”

         :VCEnd”已退出，代码为 1。 C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V120\Microsoft.CppCommon.targets 132 5 libcaffe

解决方法：不要修改

CommonSettings.props里面关乎cudnn的行，把cudnn的文件复制到CUDA的目录里面。

4.2

用

VS2013

打开

Caffe.sln(

就到刚刚那个文件夹里面

),

打开效果如下

4.3. 使用Vs2013打开，可以进行编译。

使用Ms-Caffe需要在线下载一些依赖库，需要消耗较多的时间，要慢慢地等一会…….

C++版本测试运行：

编译测试成功

…………………………..

Python版本编译测试运行

：

文章链接：

微软官方caffe之 Python接口配置及图片生成实例

仔细看，不要遗漏细节.

修改配置文件CommonSettings.props，

修改Python支持为true

         [html]

         view plain

          copy

          <

          PythonSupport

          >

          true

          </

          PythonSupport

          >

添加自身机子的Python安装目录

         [html]

         view plain

          copy

          <

          PythonDir

          >

          C:\Python2\

          </

          PythonDir

          >

然后保存，去编译

Release版本

的pycaffe，好像如果编译Debug版本会出现python27_d.lib找不的。不用管它。

编译pycaffe工程，在X64/realease 文件夹下面生成 pycaffe的文件夹。

使用

：

把文件夹里面的caffe文件夹复制到 Python的文件夹 lib/site-packages 下面，可以在eclipse中直接使用。

import时候出现

ImportError: No module named google.protobuf.internal

错误

解决方法：到安装目录 scripts下面使用pip 或者conda 安装protobuf，默认安装libprotobuf、protobuf、vc9.0.

安装完成，可以使用

三、Vs2015平台Caffe2的安装

按照官网的指示安装Caffe2: h

ttps://caffe2.ai/docs/getting-started.html?platform=windows&configuration=compil

预编译阶段cmd、Cmake：

1.编译protobuf

Install

Cmake
Run
Developer Command Prompt for VS 2017
.
Install
protobuf
. Go to
caffe2\scripts\
and run
build_host_protoc.bat
. This should build protobuf from source for your system.
build protobuf

编译protobuf完成后，出现错误

在cmd窗口，运行
caffe2\scripts\build_windows.bat
,会出现错误

再次使用Cmake生成配置方案

：

原路径：D:/git/DeepLearning/caffe2

目标路径：D:/git/DeepLearning/caffe2/build

Configure出现此种问题

CMake Error at cmake/ProtoBuf.cmake:21 (message):
  To build protobufs locally (required for Android/iOS/Windows), you will
  need to manually specify a PROTOBUF_PROTOC_EXECUTABLE.  See
  scripts/build_host_protoc.{sh,bat} for more details.
Call Stack (most recent call first):
  cmake/ProtoBuf.cmake:32 (custom_protobuf_find)
  cmake/Dependencies.cmake:6 (include)
  CMakeLists.txt:85 (include)

修改：

//删除掉 protobuf那一行

添加PROTOBUF_PROTOC_EXECUTABLE变量到cmake-gui配置中。做法： ———–Add Entry 条目添加。

PROTOBUF_PROTOC_EXECUTABLE=D:\git\DeepLearning\caffe2\build_host_protoc\Release\protoc.exe

此时配置生成成功！

若不执行此步骤，则出现：

error MSB6006: “cmd.exe”已退出，代码为 1。

编译阶段2：

可以使用VS2015打开编译。

编译遇到问题：

2.1 error C2398:

元素“1”: 从“google::protobuf::int64”转换到“int”需要收缩转

解决方法：暂时没有解决

代码修改为：

         [cpp]

         view plain

          copy

          //int x = b_dim1;//wishchin

          int

          x = in[0].dims(0);

          //wishchin

          return

          vector<TensorShape> {

         CreateTensorShape(

         vector<

          int

          > { x , a_dim0, b_dim1 },

          //wishchin //vector<int> { in[0].dims(0), a_dim0, b_dim1 },

         in[0].data_type()

         )

         };

          //(int)b_dim1},//b_dim1 修改为(int)b_dim1//wishchin

强制转换，已解决。

2.2 error C2059: 语法错误:“volatile” (编译源文件 D:\Works\CNN\Caffe\Caffe2\caffe2\utils\threadpool\ThreadPool.cc)

代码段：

         [cpp]

         view plain

          copy

          inline

          int

          Do256NOPs() {

         asm

          volatile

          (GEMMLOWP_NOP64);

          return

          64;

         }

         GCC在C语言中内嵌汇编 asm  __volatile__

asm volatile内嵌汇编用法

解决方法：尝试去掉asm volatile(GEMMLOWP_NOP64); 这一句

2.3 错误在 Caffe2_CPU工程 conv_op.cc文件

         [cpp]

         view plain

          copy

          1>D:\Works\CNN\Caffe\Caffe2\caffe2\operators\conv_op.cc(76): error C2664: “caffe2::OpSchema &caffe2::OpSchema::CostInferenceFunction(caffe2::OpSchema::CostInferenceFunctionType &&)”:

         无法将参数 1 从“caffe2::OpSchema::Cost (__cdecl *)(

          const

          caffe2::OperatorDef &,

          const

          std::vector<caffe2::TensorShape,std::allocator<_Ty>> &)”转换为“caffe2::OpSchema::CostInferenceFunctionType &&”

原始代码：

         [cpp]

         view plain

          copy

          OPERATOR_SCHEMA(Conv2D)

         .NumInputs(2, 3)

         .NumOutputs(1)

         .CostInferenceFunction(ConvPoolOpBase<CPUContext>::CostInferenceForConv)

          //76行

         .TensorInferenceFunction(ConvPoolOpBase<CPUContext>::TensorInferenceForConv)

         .FillUsing(ConvDocGenerator(

          “2D ”

          ));

修改代码：

注销点尝试一下

分析：为什么windows版本的OPERATOR_SCHEMA()比Linux版本要多好几个？？？

2.4.找不到定义：posix_memalign(

         [cpp]

         view plain

          copy

          ThreadPool文件，包含#include

          “WorkersPool.h”

          头文件里面，使用到

          #if !defined(__ANDROID__)

         posix_memalign((

          void

          **)&p, kGEMMLOWPCacheLineSize,

          sizeof

          (T));

         在Windows <stdlib.h>下面找不到 函数定义！！！

添加定义

#define posix_memalign(p, a, s) (((*(p)) = _aligned_malloc((s), (a))), *(p) ?0 :errno)//wishchin

到”WorkersPool.h” 头文件

编译成功

2.5. 编译 convert_caffe_image_db，出现

         [cpp]

         view plain

          copy

          1>Caffe2_CPU.lib(caffe2.pb.obj) : error LNK2019: 无法解析的外部符号

          “class google::protobuf::internal::ExplicitlyConstructed<class std::basic_string<char,struct std::char_traits<char>,class std::allocator<char> > > google::protobuf::internal::fixed_address_empty_string”

          (?fixed_address_empty_string@internal@protobuf@google@@3V?$ExplicitlyConstructed@V?$basic_string@DU?$char_traits@D@std@@V?$allocator@D@2@@std@@@123@A)，该符号在函数

          “public: __cdecl caffe2::Argument::Argument(class caffe2::Argument const &)”

          (??0Argument@caffe2@@QEAA@AEBV01@@Z) 中被引用

         1>Caffe2_CPU.lib(caffe.pb.obj) : error LNK2001: 无法解析的外部符号

          “class google::protobuf::internal::ExplicitlyConstructed<class std::basic_string<char,struct std::char_traits<char>,class std::allocator<char> > > google::protobuf::internal::fixed_address_empty_string”

          (?fixed_address_empty_string@internal@protobuf@google@@3V?$ExplicitlyConstructed@V?$basic_string@DU?$char_traits@D@std@@V?$allocator@D@2@@std@@@123@A)

         1>Caffe2_CPU.lib(caffe2.pb.obj) : error LNK2019: 无法解析的外部符号

          “__int64 google::protobuf::internal::empty_string_once_init_”

          (?empty_string_once_init_@internal@protobuf@google@@3_JA)，该符号在函数

          “void __cdecl caffe2::protobuf_InitDefaults_caffe2_2fproto_2fcaffe2_2eproto_impl(void)”

          (?protobuf_InitDefaults_caffe2_2fproto_2fcaffe2_2eproto_impl@caffe2@@YAXXZ) 中被引用

         1>Caffe2_CPU.lib(caffe.pb.obj) : error LNK2001: 无法解析的外部符号

          “__int64 google::protobuf::internal::empty_string_once_init_”

          (?empty_string_once_init_@internal@protobuf@google@@3_JA)

问题：在libprotobuf 添加

分析：caffe2::GlobalInit(&argc, &argv);

使用了函数，待调试….

解决方法：尝试编译libprotobuf为静态库！！！

解决了大部分问题

2.6. 在protobuf仍然出现链接错误 protobuf/compile/main.cc

         [cpp]

         view plain

          copy

          8>main.obj : error LNK2019: 无法解析的外部符号

          “__declspec(dllimport) public: __cdecl google::protobuf::compiler::CommandLineInterface::CommandLineInterface(void)”

          (__imp_??0CommandLineInterface@compiler@protobuf@google@@QEAA@XZ)，该符号在函数 main 中被引用

         8>main.obj : error LNK2019: 无法解析的外部符号

          “__declspec(dllimport) public: __cdecl google::protobuf::compiler::CommandLineInterface::~CommandLineInterface(void)”

          (__imp_??1CommandLineInterface@compiler@protobuf@google@@QEAA@XZ)，该符号在函数 main 中被引用

         …………………

         .error LNK2019: 无法解析的外部符号

          “__declspec(dllimport) public: virtual __cdecl google::protobuf::compiler::objectivec::ObjectiveCGenerator::~ObjectiveCGenerator(void)”

          (__imp_??1ObjectiveCGenerator@objectivec@compiler@protobuf@google@@UEAA@XZ)，该符号在函数 main 中被引用

         8>main.obj : error LNK2019: 无法解析的外部符号

          “__declspec(dllimport) public: __cdecl google::protobuf::compiler::js::Generator::Generator(void)”

          (__imp_??0Generator@js@compiler@protobuf@google@@QEAA@XZ)，该符号在函数 main 中被引用

         8>main.obj : error LNK2019: 无法解析的外部符号

          “__declspec(dllimport) public: virtual __cdecl google::protobuf::compiler::js::Generator::~Generator(void)”

          (__imp_??1Generator@js@compiler@protobuf@google@@UEAA@XZ)，该符号在函数 main 中被引用

         8>D:\Works\CNN\Caffe\Caffe2\build\third_party\protobuf\cmake\Release\protoc.exe : fatal error LNK1120: 24 个无法解析的外部命令

解决方法：

尝试去掉main()函数里面的代码，应该用不着！

3. 运行阶段：

X:终于成功了！

测试可以运行…………….

CNN：Windows下编译使用Caffe和Caffe2

3. 从 Microsoft 官方 Github 上下载 Caff e 的源码压缩包 .

三、Vs2015平台Caffe2的安装

你可能也喜欢

3.

从

Microsoft

官方

Github

上下载

Caff

e

的源码压缩包

.