- 作者:张太岳
- 日期:2017.12.09
- 转载请注明出处:http://www.jianshu.com/p/382f7de2d51a
1. 使用 Windows10 64位操作系统(Windows7 64位也可以,8和8.1没测试)
2. 安装 en Visual Studio Professional 2015 Update3,并勾选C++/CLI support
装英文版是为了不产生乱码
Community版本应该也可以的,Professional非必须
3. 安装 python 2.7.13 64位
下载地址:https://www.python.org/downloads/
默认安装位置是C:\Python27
将 C:\Python27 和 C:\Python27\scripts 添加到环境变量
4. 安装 VCForPython27
下载地址:https://www.microsoft.com/en-us/download/details.aspx?id=44266
5. 安装 Cmake 3.9.6
下载地址:https://cmake.org/download/
默认安装会将 C:\Program Files\CMake\bin 添加到环境变量;如果没有,则手动添加
6. 安装 Git 2.15.0
下载地址: https://git-scm.com/download/win
7. 安装 cuda_9.0.176_win10 和 cudnn 7.0.4( 如果不使用GPU,只使用CPU,那么可以跳过此步骤)
cuda需要到Nvidia官网下载,下载之前先注册Nvidia开发者账号,下载离线安装包,之后双击安装
打开cmd,输入 nvcc -V ,会出现 cuda 版本信息,说明 cuda 安装成功
cudnn是压缩包,无需安装,操作如下:
(1)、解压缩:会生成cuda/include、cuda/lib、cuda/bin三个目录;
(2)、分别将cuda/include、cuda/lib、cuda/bin三个目录中的内容拷贝到C:\Program Files\NVIDIA GPU
Computing Toolkit\CUDA\v9.0对应的include、lib、bin目录下即可。
8. 用pip安装Python依赖(必选 + 可选)
直接pip install 速度会很慢,会出现错误 The read operation timed out
解决方法: 使用国内的pip源
****************** 注意: 这是必须要安装的 *******************
pip install future -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install hypothesis -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install protobuf -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install six -i https://pypi.tuna.tsinghua.edu.cn/simple
****************** 注意: 这是非必须要安装的,建议安装 *******************
pip install flask -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install glog -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install graphviz -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install jupyter -i https://pypi.tuna.tsinghua.edu.cn/simple 会报错,解决方法见下面说明
pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install pydot python-nvd3 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install pyyaml -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install requests -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install scikit-image -i https://pypi.tuna.tsinghua.edu.cn/simple 会报错,解决方法见下面说明
pip install scipy -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install setuptools -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install tornado -i https://pypi.tuna.tsinghua.edu.cn/simple
****************** pip install 错误的解决办法 *******************
执行pip install jupyter -i https://pypi.tuna.tsinghua.edu.cn/simple 报错的解决办法:
执行 pip install ipython==5.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple 搞定
执行 pip install scikit-image -i https://pypi.tuna.tsinghua.edu.cn/simple 报错的解决办法:
到官网下载安装包 手动安装
官网地址:http://www.lfd.uci.edu/~gohlke/pythonlibs/#scikit-image
安装包名字:scikit_image-0.13.1-cp27-cp27m-win_amd64.whl
之后切换到安装包所在的路径,执行
pip install scikit_image-0.13.1-cp27-cp27m-win_amd64.whl 搞定
9. 使用Git下载caffe2源码
执行 git clone --recursive https://github.com/caffe2/caffe2.git
如果下载路径为: D:\DeepLearning\caffe2, 则将该路径记为 CAFFE2_ROOT, 只是为了下文描述方便
不要直接下载.zip,这样会缺少third_party,编译通不过的
10. 修改 build_host_protoc.bat 并执行
用记事本打开CAFFE2_ROOT/scripts/build_host_protoc.bat
在文件首的 @echo off之下添加一行 set CMAKE_GENERATOR="Visual Studio 14 2015 Win64"
之后就可以执行 build_host_protoc.bat,成功之后会出现提示信息: "protobuf built successfully"
在CAFFE2_ROOT目录下会出现 build_host_protoc 文件夹
11. 修改 build_windows.bat 并执行
用记事本打开CAFFE2_ROOT/scripts/build_windows.bat
在文件首的 @echo off之下添加
set CMAKE_GENERATOR="Visual Studio 14 2015 Win64"
set USE_CUDA=ON (如果只是使用CPU,不使用GPU,那么这行就不要添加)
将 -DBUILD_PYTHON=OFF^ 改为 -DBUILD_PYTHON=ON^
之后就可以执行 build_windows.bat,成功之后会出现提示信息: "Caffe2 built successfully"
在CAFFE2_ROOT目录下会出现 build文件夹
如果没有成功,就继续往下看
12. 用VS打开CAFFE2_ROOT/build/Caffe2.sln,编译模式Release
12.1 错误1
"C:\demo\caffe2\build\ALL_BUILD.vcxproj" (default target) (1) ->
"C:\demo\caffe2\build\caffe2\caffe2_gpu.vcxproj" (default target) (7) ->
(CustomBuild target) ->
C:/demo/caffe2\caffe2/utils/GpuBitonicSort.cuh(42): error : expected an identifier [C:\demo\caffe2\build\caffe2\caffe
2_gpu.vcxproj]
C:/demo/caffe2\caffe2/utils/GpuBitonicSort.cuh(44): error : expected an identifier [C:\demo\caffe2\build\caffe2\caffe
2_gpu.vcxproj]
C:/demo/caffe2\caffe2/utils/GpuBitonicSort.cuh(42): error : expected an identifier [C:\demo\caffe2\build\caffe2\caffe
2_gpu.vcxproj]
C:/demo/caffe2\caffe2/utils/GpuBitonicSort.cuh(44): error : expected an identifier [C:\demo\caffe2\build\caffe2\caffe
2_gpu.vcxproj]
C:/demo/caffe2\caffe2/utils/GpuBitonicSort.cuh(42): error : expected an identifier [C:\demo\caffe2\build\caffe2\caffe
2_gpu.vcxproj]
C:/demo/caffe2\caffe2/utils/GpuBitonicSort.cuh(44): error : expected an identifier [C:\demo\caffe2\build\caffe2\caffe
2_gpu.vcxproj]
C:/demo/caffe2\caffe2/utils/GpuBitonicSort.cuh(42): error : expected an identifier [C:\demo\caffe2\build\caffe2\caffe
2_gpu.vcxproj]
C:/demo/caffe2\caffe2/utils/GpuBitonicSort.cuh(44): error : expected an identifier [C:\demo\caffe2\build\caffe2\caffe
2_gpu.vcxproj]
C:/demo/caffe2\caffe2/utils/GpuBitonicSort.cuh(42): error : expected an identifier [C:\demo\caffe2\build\caffe2\caffe
2_gpu.vcxproj]
C:/demo/caffe2\caffe2/utils/GpuBitonicSort.cuh(44): error : expected an identifier [C:\demo\caffe2\build\caffe2\caffe
2_gpu.vcxproj]
C:/demo/caffe2\caffe2/utils/GpuBitonicSort.cuh(42): error : expected an identifier [C:\demo\caffe2\build\caffe2\caffe
2_gpu.vcxproj]
C:/demo/caffe2\caffe2/utils/GpuBitonicSort.cuh(44): error : expected an identifier [C:\demo\caffe2\build\caffe2\caffe
2_gpu.vcxproj]
3324 Warning(s)
12 Error(s)
Time Elapsed 00:46:09.45
"Caffe2 building failed"
解决办法:
打开CAFFE2_ROOT\caffe2\utils\GpuBitonicSort.cuh,注释掉所有的 static_assert 语句。
12.2 错误2
C:\demo\caffe2\caffe2\operators\conv_op_cudnn.cc(379): error C2121: '#': invalid character: possibly the result of a macro expansion
1>C:\demo\caffe2\caffe2\operators\conv_op_cudnn.cc(743): error C2121: '#': invalid character: possibly the result of a macro expansion
解决办法:
打开 CAFFE2_ROOT\\caffe2\operators\conv_op_cudnn.cc
注释掉
//#if CUDNN_VERSION_MIN(7,0,0)
// M,
//#else
M / group_,
//#endif
此文件中,一共4处这样的代码需要注释
这样 caffe2_gpu.lib 就能够编译出来了
12.3 错误3
4>caffe2_gpu.lib(fully_connected_op_gpu.obj) : error LNK2005: "bool __cdecl caffe2::fp16_type<struct caffe2::__f16>(void)" (??$fp16_type@U__f16@caffe2@@@caffe2@@YA_NXZ) already defined in caffe2.lib(types.obj)
3>caffe2_gpu.lib(fully_connected_op_gpu.obj) : error LNK2005: "bool __cdecl caffe2::fp16_type<struct caffe2::__f16>(void)" (??$fp16_type@U__f16@caffe2@@@caffe2@@YA_NXZ) already defined in caffe2.lib(types.obj)
解决办法:
注释掉 CAFFE2_ROOT\caffe2\core\types.cc 中的
// Helpers to avoid using typeinfo with -rtti
//template <>
//bool fp16_type<float16>() {
// return true;
//}
12.4 错误4
caffe2_gpu.lib(caffe2_gpu_generated_boolean_mask_ops.cu.obj) : error LNK2001: unresolved external symbol cudaDeviceGetAttribute
解决办法:
右击出现错误的项目,
在 Properties-->Linker --> General --> Additional Library Directories 添加
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
在 Properties-->Linker --> Input --> Additional Dependencies 添加
cudart.lib
cuda.lib
cufft.lib
cublas.lib
curand.lib
cudnn.lib
nvrtc.lib
12.5 错误5
编译: caffe2_pybind11_state caffe2_pybind11_state_gpu
错误: LINK : fatal error LNK1104: cannot open file 'python27.lib'
解决办法:
在 Properties-->Linker --> General --> Additional Library Directories 添加
C:\Python27\libs;
13. 安装Caffe2
右击 INSTALL 项目,build
完成之后会在 C:\Program Files 出现 Caffe2 文件夹
将 CAFFE2_ROOT\build\caffe2\python\Release 下的
caffe2_pybind11_state.pyd 和 caffe2_pybind11_state_gpu.pyd 拷贝到 C:\Python27\DLLs
配置环境变量: PYTHONPATH = CAFFE2_ROOT\build 或者
PYTHONPATH = C:\Program Files\caffe2
14. 测试caffe2,跑mnist
在任意目录新建 test.py,代码如下
import numpy as np
import os
import shutil
from caffe2.python import core, cnn, net_drawer, workspace, visualize
core.GlobalInit(['caffe2', '--caffe2_log_level=0'])
caffe2_root = "~/caffe2"
print("Necessities imported!")
成功则出现如下信息:
Caffe2 build configuration:
BLAS : Eigen
BUILD_TYPE : Release
CXX_FLAGS : /DWIN32 /D_WINDOWS /W3 /GR /EHsc /MP /bigobj
FORCE_FALLBACK_CUDA_MPI :
GIT_VERSION :
HAS_MKL_DNN :
HAS_MKL_SGEMM_PACK :
PERF_WITH_AVX :
PERF_WITH_AVX2 :
UNIQUE_LONG_TYPEMETA : 1
USE_ACCELERATE :
USE_ATEN : OFF
USE_CUDA : ON
USE_EIGEN_FOR_BLAS : 1
USE_GFLAGS : OFF
USE_GLOG : OFF
USE_GLOO :
USE_LITE_PROTO :
USE_MKL :
USE_MPI : OFF
USE_NCCL : OFF
USE_NNPACK : OFF
USE_NVTX :
USE_OPENMP : OFF
Necessities imported!