面向Windows平台的深度学习工具使用指南

《面向Windows平台的深度学习工具使用指南》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、面向Windows平台的深度学习工具使用指南张林同济大学软件学院1.Windows版Caffe的安装与基本测试1.1Windows版Caffe配置与编译BVLC有caffewindows的官方版本，https://github.com/BVLC/caffe/tree/windows下面介绍安装这个版本的windowscaffe的一些具体问题关于visualstudio，VS2015好像不是很稳定，目前还是用VS2013安装CMake3.4CUDA用CUDA8.0版本，并且用与之配合的cudnncudnn解压以后，形成一个cuda目录，把这个目录下的三个文件夹（bin，lib,i

2、nclude）复制到C:ProgramFilesNVIDIAGPUComputingToolkitCUDAv8.0目录之下，会与该目录下本来的三个文件夹合并内容注意：当把显卡的驱动安装成功，并且安装了CUDA之后，建议执行一下硬件检测程序，测试一下硬件是否正常。可以先编译cuda的samples，在C:ProgramDataNVIDIACorporationCUDASamplesv8.0之下编译后执行C:ProgramDataNVIDIACorporationCUDASamplesv8.0binwin64Release目录下的deviceQuery

3、.exe来测试。如果正常的话，会出现类似下图的信息。如果使用python，需要安装AnacondaPython2.7然后，在开始栏里面，运行“AnacondaPrompt”，安装几个组件condainstall ‐‐yesnumpyscipymatplotlibscikit‐imagepippipinstallprotobuf需要根据自己的环境修改一下scriptsbuild_win.cmd的内容。MSVC_VERSION=12WITH_NINJA=0CPU_ONLY=0PYTHON_VERSION=2BUILD_MATLAB=1RUN_TESTS=1C:ProgramDa

4、taAnaconda2然后，执行build_win.cmd命令。完成编译后，会自动执行测试脚本；可能会有4个关于timer的测试例程不能通过，这个并没有关系。1.2Matlab接口配置我们还可以测试一下matlab的配置能否正常.在这一点上官方文档有些问题,需要按照下面过程配置需要把F:caffe‐bvlcmatlab+caffeprivateRelease下的caffe_.mexw64拷贝到F:caffe‐bvlcmatlab+caffeprivate目录下。需要把F:caffe‐bvlcscriptsbuildMatlabRelease下的ca

5、ffe_.exp和caffe_.lib也拷贝到F:caffe‐bvlcmatlab+caffeprivate之下。然后,可以运行matlab的一个分类demoF:caffe‐mastermatlabdemoclassification_demo.m运行这个demo之前还要下载一个bvlc_reference_caffenet.caffemodel,https://github.com/BVLC/caffe/tree/master/models/bvlc_reference_caffenetbvlc_reference_caffenet.caffemodel需要放

6、在目录F:caffe‐mastermodelsbvlc_reference_caffenet之下如果上述例子能通过运行，说明windows版本的caffe已经安装设置好。1.3直接调用classification.exe进行测试随caffe一起自带的有一个编译好的分类程序classification.exe，它是命令行形式，可以对测试图像进行分类。在F:caffe‐bvlcscriptsbuildexamplescpp_classificationRelease目录之下。我们假设训练是在imagenet上进行的，共有1000个类别，这1000个类别都有人工标注

7、的语义类别信息，给定1张测试图像，我们可以看看它属于什么类别classification.exeF:caffe‐bvlcmodelsbvlc_reference_caffenetdeploy.prototxtF:caffe‐bvlcmodelsbvlc_reference_caffenetbvlc_reference_caffenet.caffemodelF:caffe‐bvlcdatatmpimagenet_mean.binaryprotoF:caffe‐bvlc