1.SSD简介
SSD全称Single Shot MultiBox Detector，是一个用于目标检测的深度学习框架。
By Wei Liu, Dragomir Anguelov, Dumitru Erhan, Christian Szegedy, Scott Reed, Cheng-Yang Fu, Alexander C. Berg.
SSD是一个单一的网络对象检测的统一框架。你可以使用代码来训练/评估一个用于目标检测任务的网络。(http://arxiv.org/abs/1512.02325).
作者的Github上https://github.com/weiliu89/caffe 只给出了linux下的代码，下面内容是将代码移植到windows上的实现步骤。本文参考了samylee的博文Windows-SSD配置与测试，在此表示感谢。
2. 配置环境
windows7 + vs2013 + Cuda8.0
3. 所需文件
vs2013，windows-caffe，ubuntu-ssd，libboost，cudnn，OpenCV（可选）ssd_detect.cpp，io.cpp
windows-caffe地址： 链接：http://pan.baidu.com/s/1hrGRu1A 密码：j82r 或 https://github.com/conner99/caffe，推荐使用后者。
ubuntu-ssd地址： 链接：http://pan.baidu.com/s/1mhYuf7y 密码：3jp2
libboost地址：链接：http://pan.baidu.com/s/1pLbBMpP 密码：41tq
cudnn地址：链接：http://pan.baidu.com/s/1o8vWBhw 密码：kdj4
opencv地址：链接：http://pan.baidu.com/s/1eSkHBj0 密码：nhch
ssd_detect.cpp地址：链接：http://pan.baidu.com/s/1nvwECNv 密码：e3yn
io.cpp地址：链接：http://pan.baidu.com/s/1i4CL7QP 密码：g623
signal_handler地址：链接：http://pan.baidu.com/s/1mhYuf7y 密码：iubq
4. 配置步骤和出现的问题
本人配置的是使用GPU的版本，以下为配置步骤和出现的问题：
从上述网址下载的windows-caffe使用的Cuda版本为7.5，我使用的Cuda版本为8.0，所以将其版本改为8.0，重命名
.\caffe-master\windows\\路径下的CommonSettings.props.example为CommonSettings.props，修改Cuda配置为<CudaVersion>8.0</CudaVersion>,此外设置<CpuOnlyBuild>true</CpuOnlyBuild>和<UseCuDNN>false</UseCuDNN>。编译项目，报错
“未能生成object文件（视警告为错误）”，解决方法：右击选择属性->配置属性->c/c++->常规，将“警告视为错误”的选项改为“否”,若还报错，将math_functions.obj文件放到路径caffe-master\Build\Int\libcaffe\x64\[Release|Debug]下。复制
.\ssd_new下所有文件（除build，data，example以及models之外）至.\windows-caffe，替换原来文件夹中对应的文件。编译文件，报错
error C3861: “mkdir”: 找不到标识符。解决办法：在db_lmdb.cpp文件的
CHECK_EQ(mkdir(source.c_str(), 0744), 0) << "mkdir " << source << " failed";
语句上下添加语句，使得：
#ifdef MSC_VER
CHECK_EQ(mkdir(source.c_str(), 0744), 0) << "mkdir " << source << " failed";
#endif
- 编译文件，报错
error C2360: “occurrences_32”的初始化操作由“case”标签跳过。解决办法：在hdf5.cpp文件中将所有出错的case语句下的内容都括上大括号{ }，比如，将语句
case H5T_FLOAT:
LOG_FIRST_N(INFO, 1) << "Datatype class: H5T_FLOAT";
break;
改为：
case H5T_FLOAT:
{
LOG_FIRST_N(INFO, 1) << "Datatype class: H5T_FLOAT";
break;
}
选择解决方案下的
libcaffe项目，进入include/layers文件夹中，将路径.\caffe-master\include\caffe\layers下除了roi_pooling_layer.hpp的所有hpp文件添加到include/layers中。进入src/layers文件夹中，将路径.\caffe-master\src\caffe\layers下除了roi_pooling_layers.cpp的所有cpp文件添加到src/layers中。编译项目，报错
error C2065: “SIGHUP”: 未声明的标识符。解决办法：在common.cpp文件最上边一行添加语句
#include "process.h"
编译项目，报了都是关于
signal_handler.cpp文件相关的错误，在本文章第三部分享文件中下载signal_handler.cpp文件替换即可。编译项目，报错找不到boost库，在解决方案的
caffe和classification项目下的VC++选项下，在包含目录中添加~/boost_1_59_0/,在库目录中添加~\boost_1_59_0\stage\lib。选择解决方案下的
libcaffe项目，进入libcaffe/src/util文件夹中，将路径\ssd_new\src\caffe\util下的bbox_util.cpp文件添加到libcaffe/src/util中。编译项目，报错
找不到标识符"snprintf",解决办法：在bbox_util文件中，在标识符snprintf前面加上下划线_，修改为_snprintf。编译项目，报错：
error LNK2001: 无法解析的外部符号 "__declspec(dllimport) void __cdecl google::InstallFailureSignalHandler(void)"
采用了粗暴的解决方式，在common.cpp文件中，将出错的函数::google::InstallFailureSignalHandler()注释掉。
- 选择解决方案下的
classification项目，将ssd_detect.cpp文件添加到项目中，去除注释，修改相应的模型文件和网络结构定义文件的路径。
至此，SSD目标检测的CPU版本，已经可以在windows下运行，接下来配置 SSD的GPU加速版本。
在路径
.\caffe-master\windows\\下进入CommonSettings.props配置文件中，设置<CpuOnlyBuild>false</CpuOnlyBuild>和<UseCuDNN>true</UseCuDNN>。进入
.\caffe-master\windows\\路径下，启动Caffe工程，编译工程，报错：
error MSB3721: 命令“……”已退出，返回代码为1。
修改.\caffe-master\windows\\路径下的CommonSettings.props文件，修改对应内容为：
<CudaArchitecture>compute_30,sm_30;compute_50,sm_50</CudaArchitecture>
- 之后编译工程，报错：
无法打开cudnn.h文件，从本博客第二部分下载cudnn，之后在项目工程的属性中的vc++包含目录中添加~/cuda/include路径。在库目录中添加~/cuda/lib/x64路径。 - 编译工程，报错：
error : declaration is incompatible with "const char *cudnnGetErrorString(cudnnStatus_t)"，解决方法：修改cudnn.hpp文件中
inline const char* cudnnGetErrorString(cudnnStatus_t status)
为
inline const char* CUDNNWINAPI cudnnGetErrorString(cudnnStatus_t status)
- 编译工程，报错：
"::caffe::kBNLL_THRESHOLD" is undefined in device code",解决方法：修改bnll_layer.cu中
Dtype expval = exp(min(in_data[index], Dtype(kBNLL_THRESHOLD)));
为
Dtype expval = exp(min(in_data[index], Dtype(50)));
- 编译工程，报错：
error : too few arguments in function call. conv_layer.cu。修改conv_layer.cu文件中
this->forward_gpu_gemm(bottom_data + n * this->bottom_dim_, weight, top_data + n * this->top_dim_);
为
this->forward_gpu_gemm(bottom_data + n * this->bottom_dim_, weight, top_data + n * this->top_dim_, false);
编译项目，报错
error MSB3073，解决办法：进入项目libcaffe的属性设置，设置生成事件 -> 预先生成事件 -> 在生成中使用 -> 否，设置生成事件 -> 后期生成事件 -> 在生成中使用 -> 否。编译项目，报与boost相关的regex正则表达式库出现问题，在项目中我们不需要正则表达式，所以将相关语句注释掉即可。进入项目
libcaffe中，进入detection_output_layer.cu文件，将所有出现regex和rv的语句注释掉。进入detection_output_layer.cpp文件，将所有出现regex和rv的语句注释掉。进入detection_output_layer.hpp中，将语句#include <boost/regex.hpp>注释掉。编译项目，报错：
找不到".\caffe\3rdparty\hungarian.h"文件，在路径.\caffe-master\include\caffe\3rdparty\\下添加hungarian.h文件。编译项目，报错：找不到".\src\caffe\3rdparty\hungarian.cpp"文件，在路径.\caffe-master\\src\caffe\3rdparty\\下添加hungarian.cpp文件。编译项目，报与
thrust相关的错误，进入项目libcaffe中，注释掉
#include "thrust/functional.h"
#include "thrust/sort.h"
……
thrust::sort_by_key(&confidences[0], &confidences[0] + num_remain, &idx[0],
thrust::greater<Dtype>());
这些语句。
- 进入解决方案下的
classification项目的ssd_detect.cpp文件中，去除注释，修改相应的模型文件和网络结构定义文件的路径。
至此，SSD目标检测的GPU版本，已经可以在windows下运行。
5. 感谢
感谢一直踩雷的妇老师，解决了上面提到的大部分错误。希望本篇文章可以给想要在windows环境下运行SSD的程序员们一些帮助。
