Apropos Deep Learning-Frameworks: Caffe, Tensorflow, Chainer usw. sind berühmt, aber viele von ihnen unterstützen Windows nicht. Daher wurde die Umgebung bisher auf Ubuntu aufgebaut. (Chainer funktioniert auch unter Windows) Aber ich möchte es trotzdem unter Windows tun. Aus diesem Grund habe ich es geschafft, Caffe als Ergebnis von Versuchen und Irrtümern zu erstellen, ob dies unter Windows möglich ist. Ich werde es also bemerken.
Das heißt, es ist nicht besonders schwierig, und die Windows-Version von Caffe hat einen Link von der offiziellen Seite zum Github-Repository, sodass Sie ihn erstellen können, indem Sie der README-Datei folgen. https://github.com/Microsoft/caffe
Bei dem obigen Verfahren muss es jedoch cudnn3 oder cudnn4 sein, oder es gibt keine detaillierte Erklärung ...
Ich möchte cudnn 5.1 verwenden, also verzweige ich den Windows-Zweig von Caffe und verwende das geänderte Repository für cuDNN v5. Die Änderungen sind wie folgt.
・ Fügen Sie \ caffe \ layer \ cudnn_relu_layer.hpp hinzu ・ Fügen Sie \ caffe \ layer \ cudnn_sigmoid_layer.hpp hinzu ・ Fügen Sie \ caffe \ layer \ cudnn_tanh_layer.hpp hinzu ・ Fügen Sie \ caffe \ util \ cudnn.hpp hinzu ・ Src \ caffe \ layer \ cudnn_conv_layer.cu ・ Src \ caffe \ layer \ cudnn_relu_layer.cu ・ Src \ caffe \ layer \ cudnn_relu_layer.cpp ・ Src \ caffe \ layer \ cudnn_sigmoid_layer.cu ・ Src \ caffe \ layer \ cudnn_sigmoid_layer.cpp ・ Src \ caffe \ layer \ cudnn_tanh_layer.cu ・ Src \ caffe \ layer \ cudnn_tanh_layer.cpp
https://github.com/yuzsh/caffe
Repository-Klon (Ich überlasse den Speicherort Ihnen) Laden Sie die Windows-Version des Zweigs herunter.
git clone -b windows https://github.com/yuzsh/caffe.git
Wechseln Sie in das Stammverzeichnis von caffe und kopieren Sie die Eigenschaftendatei.
copy .\windows\CommonSettings.props.example .\windows\CommonSettings.props
Ich werde weglassen, wie man verschiedene Bibliotheken installiert,
Bitte installieren Sie CUDA und cudnn von der [offiziellen NVIDIA-Seite](https://developer.nvidia.com/cuda-gpus).
Für Python ist es bequem, [Anaconda](https://anaconda.org) zu verwenden.
Außerdem benötigt das Python-Modul numpy, scipy, matplotlib, scikit-image und protobuf, sodass Sie sie installieren müssen. Ich habe folgendes gemacht:
>```activate anaconda2
conda install -y numpy scipy matplotlib scikit-image pip
pip install protobuf
Öffnen Sie. \ Windows \ CommonSettings.props. Es ist einfacher zu erkennen, ob Sie es in Visual Studio öffnen. Wo zu überprüfen
Übrigens tritt im Debug-Modus ein Fehler auf, wenn Python nicht auf false gesetzt ist, da Python27_d.lib nicht vorhanden ist.
Sobald dies erledigt ist, ändere ich es in den Projekteinstellungen in "Warnungen als Fehler behandeln: Nein". Wenn Sie jedoch Ihr eigenes Repository klonen, haben Sie dies bereits getan. Ich denke, es ist in Ordnung.
### Bauen
Öffnen Sie dann die Datei caffe.sln und erstellen Sie die Lösung.
Es benötigt viel Zeit.
Wenn der Build erfolgreich abgeschlossen wurde, werden exe und dll in Build \ x64 \ Release (oder Build \ x64 \ Debug) erstellt.
### PFAD-Einstellung
Fügen Sie der Umgebungsvariablen PYTHONPATH `` `<caffe_root> \ Build \ x64 \ Release \ pycaffe``` hinzu.
Übrigens ist [RapidEE](http://www.rapidee.com/en/about) praktisch für die Behandlung von Umgebungsvariablen in Windows.
### Funktionsprüfung
Öffnen Sie eine Eingabeaufforderung, starten Sie Python. Wenn der Import von caffe ohne Fehler erfolgreich ist, ist die Installation abgeschlossen.
Wenn Sie zu <CAFFE_HOME> \ Build \ x64 \ Release wechseln und caffe.exe ausführen und die Verwendungsmeldung angezeigt wird, können Sie bestätigen, dass die EXE-Datei problemlos generiert wurde.
Nebenbei bemerkt, Beispiele wie MNIST werden in Shell-Skripten geschrieben. Daher müssen eine Umgebung und eine Software vorbereitet werden, die dies ausführen können.
Ich stelle es ein, wenn ich git einsetze.
Das ist alles.
Ich denke es war einfacher als Ubuntu.
Chainer kann übrigens nur mit `` `pip install chainer``` installiert werden.
Recommended Posts