Caffe windows下安装攻略
Caffe 是一个高效的深度学习框架，鉴于不想折腾装个双系统，最近鼓捣了下用caffe源码在windows进行编译。非常感谢Yangqing Jia博士的caffe开源代码、Neil Z.Shao's博客的指导，以及happynear的工程文件提供的帮助。本博客caffe里C/C++部分编译主要参考了Neil Z.Shao's博客，python wapper 和 matlab wapper编译主要参考了happynear的工程文件。鉴于编译过程并未记录下详细流程，步骤不详之处可参考上述两个资料。本博客适合对visual studio 2013和opencv配置有一定了解的同学。
1、准备工作
编译环境：windows 7 64位系统 + Visual studio 2013
依赖包：
- opencv，opencv版本采用的是opencv 3.0，opencv的安装请参考官方toutorials。opencv 3.0相比之前的版本，配置简单了很多。
- cuda，cuda版本采用的是cuda 7.0，这个可以从nvidia官网下载。
- Boost，使用的是boost_1_56_0-msvc-12.0-64.exe.
- OpenBLAS、GFlags、GLog、ProtoBuf、LevelDB、HDF5、LMDB，博主偷懒直接采用了Neil Z.Shao提供的编译好的文件3rdparty.zip。详细编译步骤可以参考其博客，以及另外一个github repository。
- caffe源码，https://github.com/BVLC/caffe
- python 2.7 以及模块numpy scipy scikit-image matplotlib ipython h5py networkx nose pandas python-dateutil protobuf python-gflags pyyaml Pillow，这些依赖文件在caffe源码下的python文件夹里的requirements.txt里说明，其中leveldb貌似是没有windows版本的，不过缺少这个模块不安装不影响使用。
- matlab R2014a
2、C/C++编译
- 新建工程与相应环境配置
- 安装opencv、cuda、Boost，这些都有exe文件，安装很直接。
- 下载caffe源码，并解压
- 下载第三方依赖包3rdparty.zip，并解压至caffe源码下与cmake、data之类文件夹的同级目录，如下图所示
4. 打开visual studio 2013 新建win32 控制台工程，并将位置工程的解决方案设在caffe源码下的根目录（具体说就是cmake等文件夹与.sln文件是同级目录）。
5. 将解决方案平台从win32改至x64（在win32下应该也能编译通过）。修改方法如下图所示：
（图片截至Neil Z.Shao's博客）
6. 编译环境配置：主要是进行解决方案属性配置，debug x86 和 release x86 需要分别进行配置，如果你仅使用其中一个，对一个进行配置即可。
debug x86 属性配置：
1） Configuration Properties -> General， Output Directory 设置为‘../bin’（这个文件夹需要新建，主要用于放置编译输出的exe文件，这便于后面使用）
2） Configuration Properties -> C/C++ -> General， Additional Include Directories 添加caffe源码里的include文件夹，src文件夹，第三方依赖包头文件，cuda头文件，opencv头文件，boost头文件，比如我的配置如下，
*\caffedev\src;
*\caffedev\include;
*\caffedev\3rdparty\include\openblas;
*\caffedev\3rdparty\include\lmdb;
*\caffedev\3rdparty\include\hdf5;
*\caffedev\3rdparty\include;
*\NVIDIA GPU Computing Toolkit\CUDA\v7.0\include;
*\opencv\build\include\opencv2;
*\opencv\build\include\;
*\opencv\build\include\opencv;
*\boost_1_56_0
*省略了软件的安装位置，这个根据你的软件安装位置找到这些文件夹即可。
3） Configuration Properties -> linker -> General，添加相应的lib文件路径，我的配置如下
*\caffedev\3rdparty\lib;
*\boost_1_56_0\lib64-msvc-12.0;
*\NVIDIA GPU Computing Toolkit\CUDA\v7.0\lib\x64;
*\opencv\build\x64\vc12\lib;
*省略了软件的安装位置，这个根据你的软件安装位置找到这些文件夹即可。
4） Configuration Properties -> linker -> Input ，添加相应lib文件
opencv_ts300d.lib;opencv_world300d.lib;gflagsd.lib;libglog.lib;libopenblas.dll.a;libprotobufd.lib;libprotoc.lib;leveldbd.lib;lmdbd.lib;libhdf5_D.lib;libhdf5_hl_D.lib;Shlwapi.lib;cudart.lib;cuda.lib;nppi.lib;cufft.lib;cublas.lib;curand.lib
release x86 属性配置：
前三步与debug x86 配置一样，第4）步的lib文件需要修改为如下：
opencv_ts300.lib;opencv_world300.lib;gflags.lib;libglog.lib;libopenblas.dll.a;libprotobuf.lib;libprotoc.lib;leveldb.lib;lmdb.lib;libhdf5.lib;libhdf5_hl.lib;Shlwapi.lib;cudart.lib;cuda.lib;nppi.lib;cufft.lib;cublas.lib;curand.lib
7. 系统环境变量设置，opencv bin目录添加到系统环境变量的path里。比如我添加的就是
*\opencv\build\x64\vc12\bin
- 开始编译
对于像caffe这种大工程文件，最好的办法就是一个一个文件进行编译[1]。首先将caffe/src/caffe内的cpp文件导入到解决方案里的Source Files文件夹下，下面对这个几个文件进行逐个编译。
- #include <process.h>添加到common.cpp，修复getpid出错
- Configuration Properties -> C/C++ -> Preprocessor -> Preprocessor Definitions，添加_CRT_SECURE_NO_WARNINGS修复fopen_s问题
- 将出错的getpid行替换为：
#ifndef _MSC_VER pid = getpid(); #else pid = _getpid(); #endif
2、 blob.cpp文件
- caffe.proto创建caffe.pb.h文件，下载GeneratePB.bat文件并放置caffe/scripts文件夹下，双击运行即可，再编译blob.cpp文件，应该能编译通过
3、 net.cpp文件
- 添加#include “mkstemp.h”（mkstemp.h和mkstemp.cpp已放在3rdpatty里）到io.hpp，可以解决mkstemp缺失问题。
- io.hpp文件里使用到了close函数的行用如下代码段替换：
#ifndef _MSC_VER close(fd); #else _close(fd); #endif
- 用到mkstemp函数的用如下代码段替换：
#ifndef _MSC_VER char* mkdtemp_result = mkdtemp(temp_dirname_cstr); #else errno_t mkdtemp_result = _mktemp_s(temp_dirname_cstr, sizeof(temp_dirname_cstr)); #endif
4、solver.cpp文件
- 添加如下行到solver.cpp里修复snprintf问题。
// port for Win32 #ifdef _MSC_VER #define snprintf sprintf_s #endif
5、caffe/src/layers文件夹的文件
- caffe/src/layers文件夹里主要有两种文件.cpp和.cu文件，.cu文件是用到了cuda的代码，要编译这些文件需要进行些设置。首先在Source Files新建一个layers文件夹，并且导入一个.cu文件。
- PROJECT -> Build Customization
（图片截至Neil Z.Shao's博客）
- 右击.cu文件选择属性，Item Type 设为 CUDA C/C++。
- 将caffe/src/layers文件夹里文件全部导入解决方案里的layers，此时所有.cu文件都具有相同配置属性。
- 在bnll_layer.cu里修改const float kBNLL_THRESHOLD = 50.为#define kBNLL_THRESHOLD 50.0
6、caffe/src/util
- 新建util文件夹，导入caffe源码里util文件夹下的代码，定位到ReadProtoFromBinaryFile函数，修改O_RDONLY 为O_RDONLY | O_BINARY
- 添加如下行到io.cpp文件
// port for Win32 #ifdef _MSC_VER #define open _open #endif
- 手动修改close() 为_close()。
- 添加如下行到math_functions.cpp文件以修复__builtin_popcount 和 __builtin_popcountl出错
#define __builtin_popcount __popcnt #define __builtin_popcountl __popcnt
7、caffe/src/proto
- 新建proto文件夹，导入caffe/src/proto里通过GeneratePB.bat生成的.cc文件（caffe.pb.cc” 和 “caffe_pretty_print.pb.cc）
- Configuration Properties -> C/C++ -> Command Line (Both Debug and Release mode)添加 -D_SCL_SECURE_NO_WARNINGS 以修复std::_Copy_impl 不安全问题
8、caffe.cpp
- 从caffe/tools里导入caffe.cpp文件
- 右击解决方案，选build，整个工程应该能顺利编译通过。
- 无GPU的编译方法
- 步骤基本与上述一致，caffe/src/layers不导入.cu文件
- 在common.hpp添加宏定义
#define CPU_ONLY
- 测试
- 测试方法请参考Neil Z.Shao's博客，这里不再介绍。
3、python wapper编译
python wapper编译的资料较少，非常happynear感谢提供的工程文件。主要步骤如下：
- 新建一个工程，配置方法如上。将caffe.cpp移出工程，添加caffe/python/caffe文件下的_caffe.cpp。
- Configuration Properties -> C/C++ -> General， Additional Include Directories 添加：
*\Python27\Lib\site-packages\numpy\core\include;
*\Python27\include;
- Configuration Properties -> linker -> General，添加相应的lib文件路径：
*\Python27\libs;
- Configuration Properties -> linker -> Input ，添加相应lib文件
python27.lib
- Configuration Properties -> linker -> General，Output Directory 设置为..\python\caffe，Targe Name 设为_caffe， Target Extension设为.pyd，Configuration Type设为 Dynamic Library(.dll)。
- 此时应该能顺利编译通过。
- 安装相应的python依赖包，这个使用 pip install 命令即可安装。leveldb没有windows版本，这个不安装不影响使用。
- 若你采用的debug模式编译，需要将3rdparty压缩包bin里的dll文件和boost_python-vc120-mt-1_56.dll拷贝至python/caffe。
- 在之前的GeneratePB.bat文件添加如下行，双击运行。并将/src/caffe/proto文件夹拷贝至python/caffe下，并在proto文件夹里创建一个名为__init__.py的空文件。
"../3rdparty/bin/protoc" -I="../src/caffe/proto" --python_out="../src/caffe/proto" "../src/caffe/proto/caffe.proto"
- 将src/caffe/proto文件拷至python/caffe
- 将*/python/caffe添加至系统变量。
- 下载安装Graphviz2.38，并将*\Graphviz2.38\bin添加到系统变量。
- 这样python文件夹下的大部分功能应该都能使用。
4、matlab wapper编译
matlab wapper编译和python差不多较少。主要步骤如下：
- 新建一个工程，配置方法如C/C++部分。将caffe.cpp移出工程，添加caffe/matlab/+caffe/private文件下的caffe_.cpp。
- Configuration Properties -> C/C++ -> General， Additional Include Directories 添加：
*\MATLAB\R2014a\extern\include;
- Configuration Properties -> linker -> General，添加相应的lib文件路径：
*\MATLAB\R2014a\extern\lib\win64\microsoft;;
- Configuration Properties -> linker -> Input ，添加相应lib文件
libmex.lib;libmat.lib;libmx.lib
- Configuration Properties -> linker -> General，Output Directory 设置为..\matlab\+caffe\private，Targe Name 设为caffe_， Target Extension设为.mexw64，Configuration Type设为 Dynamic Library(.dll)。
- 此时应该能顺利编译通过。
- 这样matlab\文件夹下的大部分功能应该都能使用。matlab\demo\classification_demo.m 可用于测试是否安装成功，需要用到的训练好的模型可以从这里下载http://dl.caffe.berkeleyvision.org/。
5、后记
- C/C++部分参考Neil Z.Shao's博客，编译还是比较顺利的。python资料比较少，走了些弯路，happynear的工程文件提供了不少帮助，对此表示感谢。
reference：
[2] http://blog.csdn.net/happynear/article/details/45372231
