程序员经验分享-hwhale

【caffe-Windows】caffe+VS2013+Windows+GPU配置+cifar使用

2023-05-16

前言

国际惯例，先来波地址：

CUDA WIN7：链接：http://pan.baidu.com/s/1nvyA3Qp 密码：h0f3   官方网址：https://developer.nvidia.com/cuda-toolkit

CUDA WIN10:链接：http://pan.baidu.com/s/1eRDJYmA 密码：1m4e

此处可以下载各种cuda版本:https://developer.nvidia.com/cuda-toolkit-archive

cudnn：链接：http://pan.baidu.com/s/1hr3Ug76 密码：vmdq  官方网址：https://developer.nvidia.com/cudnn     【可下载V5.0版本】

【更新日志2017-8-9】

偶然间发现了一条重要信息，caffe的微软分支竟然明确标出了支持cudnn v4.0和v5.0，而且BVLC的分支也明确标出只支持cudnn v3.0和cudnn4.0，原来一直忽视掉了这条信息，尴尬，还自己踩进了用cudnn v5.0编译BVLC -caffe分支的坑。特在此提示大家，目前微软的caffe支持cuda8.0+cudnn v5.0的编译，而这两个依赖都是目前NVIDIA官方网站推荐的，编译的时候只需要把CommonSettings.props的cuda版本改成<CudaVersion>8.0</CudaVersion>即可。

第一步：

为了方便，直接拷贝一个无GPU版本的caffe，根据情况修改一下名字，一般来说路径最好不要带中文，避免不必要麻烦，此处命名为CaffeDev-GPU文件夹。

安装CUDA（一直下一步就行了），然后解压cudnn

第二步：

修改配置文件路径E:\CaffeDev-GPU\caffe-master\windows下的CommonSettings.props，此处可对比无GPU版本。将GPU版本的配置文件修改如下：


更新日志2017-11-1

如果你没有cudnn或者当前的CUDA版本仅支持CUDNNv5，而caffe版本仅支持CUDNNv3和v4，那么上面的UseCuDNN也可以设置成false, 也就是说类似于这样

<CpuOnlyBuild>false</CpuOnlyBuild>
<UseCuDNN>false</UseCuDNN>
<CudaVersion>8.0</CudaVersion>

第三步：

修改系统环境变量，为了不出现什么麻烦，将解压的D:\caffe tool\cudnn-7.0-win-x64-v4.0-prod\cuda中的bin、include、lib三个文件夹拷贝到环境变量中CUDA_PATH显示的路径中的文件夹去去，直接覆盖，需要替换的替换~~~【此处非加环境变量哦，因为拷贝过去以后就已经存在环境变量中了】

然后在系统变量中添加变量名为：CuDnnPath 变量值为：D:\caffe tool\cudnn-7.0-win-x64-v4.0-prod的路径，此处的路径是你解压的cudnn地方，读者根据自己电脑做修改。接下来和CPU版本一样，运行caffe.sln，分别用debug和release都生成一遍。


第四步：

其实差不多完了，这里简要说一下：按照前面无GPU版本，建立input_folder，与它并列建立两个bat文件，内容如下：

convert.bat

convert_cifar_data.exe  input_folder output_folders leveldb
pause

mean.bat 

compute_image_mean.exe output_folders/cifar10_train_leveldb mean.binaryproto


pause

运行之

第五步：

将output_folders内的两个文件和mean.binaryproto拷贝到E:\CaffeDev-GPU\caffe-master\examples\cifar10下，并且修改cifar10_quick_solver.prototxt最后一句的CPU为GPU

在E:\CaffeDev-GPU\caffe-master下建立一个bat文件：

train.bat

.\Build\x64\Release\caffe.exe train --solver=examples/cifar10/cifar10_quick_solver.prototxt
pause
同样运行之

不得不说，这速度，呼呼地~~~~比用CPU训练四个小时快不知道多少倍

第六步：

在E:\CaffeDev-GPU\caffe-master\Build\x64\Release下建立一个bat：

classification.bat

classification.exe E:\CaffeDev-GPU\caffe-master\examples\cifar10\cifar10_quick.prototxt E:\CaffeDev-GPU\caffe-master\examples\cifar10\cifar10_quick_iter_4000.caffemodel.h5 E:\CaffeDev-GPU\caffe-master\examples\cifar10\mean.binaryproto E:\CaffeDev-GPU\caffe-master\examples\cifar10\synset_words.txt E:\CaffeDev-GPU\caffe-master\examples\cifar10\dog.jpg
pause

【此处的dog跟前面的无GPU版本一样，读者可以去网上随便下载】

dog.jpg


cat.jpg


运行此bat以后：


可以发现，和上次无GPU版本的结果貌似有点不一样吧~~~但是快哭了可怜滴狗狗依旧没摆脱被识别为猫的命运

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

caffe

Windows

VS2013

GPU

CIFAR

【caffe-Windows】caffe+VS2013+Windows+GPU配置+cifar使用 的相关文章

随机推荐

  • Python学习笔记丨while、for、if循环结构基础知识与易错点

    Python流程控制 本篇笔记的主要内容是 xff1a 条件控制和循环控制 xff0c 包括if语句 while语句 for语句等 Python条件控制 span class hljs keyword style color c678dd

  • R语言安装R包的方法，mac、windows、linux安装R包常见问题与解决方法

    R语言如何快速安装R包 xff1f 如果把R比作是沃土的话 xff0c 那么R包就是鲜花 xff0c 开源共享的开发者社区提供了很多功能丰富的R包 xff0c 方便使用者充分利用R语言完成工作 但是 xff0c 有时候在安装R包是会遇到各种

  • kube-ovn代码系列（四）pod 安全组功能

    kube ovn代码系列 xff08 四 xff09 pod 安全组功能 链接 https www gogo dev com index php 2022 02 19 kube ovn securitygroup 内容 kube ovn在1

  • Ubuntu20.04下运行VINS系列：VINS-Mono、VINS-Fusion和GVINS

    文章目录 一 安装VINS Mono1 1 适配Ceres2 1 01 2 适配OpenCV41 3 编译运行 二 安装VINS Fusion2 1 适配Ceres2 1 0和OpenCV42 2 编译运行2 2 1 EuRoC数据集2 2

  • 最小花费

    题目描述 在n个人中 xff0c 某些人的银行账号之间可以互相转账 这些人之间转账的手续费各不相同 给定这些人之间转账时需要从转账金额里扣除百分之几的手续费 xff0c 请问A最少需要多少钱使得转账后B收到100元 输入格式 第一行输入两个

  • 传感器融合sensor fusion

    自动控制系统中的传感器融合 传感器融合的4个作用 xff1a 1 增加数据质量 比如减少噪声 xff1b 2 增加可靠性 多传感器互为备份 xff1b 3 估计预测状态 xff1b 4 可增加被测范围 相对于单个传感器来说 xff0c 多传

  • 摄像机成像原理（模型）与标定

    一般摄像机简化为小孔成像的理想模型 xff08 线性模型 xff09 xff0c 因为摄像机镜头 xff08 视场角 xff09 很小 xff0c 相当于被拍摄物体通过小孔投影到感光元件CCD CMOS上 对于加了各种镜头的摄像机 xff0

  • 实习周记2

    在组长准备给我布置小任务的时候 xff0c 公司开了一个新的项目并且缺前端 xff0c 我就被分配到新项目中去 xff0c 这个项目使用 angular 43 bootstrap前端框架 这不是一个初次开发的项目 xff0c 而是一个需要修

  • OBJ可视化——UV还原(修正)

    前言 前面写过一篇obj格式解析的博客 xff0c 但是这篇文章中可视化的工作是参考PRNet的源码进行的 xff0c 后来细细思考了一下 xff0c 有点问题 xff0c 具体看下面 问题来源 在PRNet源码的render py中有个函

  • Unity中BVH骨骼动画驱动的可视化理论与实现

    前言 找了很久使用BVH到unity中驱动骨骼动画的代码 xff0c 但是都不是特别好用 xff0c 自己以前写过 xff0c 原理很简单 xff0c 这里记录一下 理论 初始姿态 在BVH或者其它骨骼动画中 xff0c 一般涉及到三种姿势

  • 卡通驱动项目ThreeDPoseTracker——模型驱动解析

    前言 之前解析过ThreeDPoseTracker这个项目中的深度学习模型 xff0c 公众号有兄弟私信一些问题 xff0c 我刚好对这个项目实现有兴趣 xff0c 就分析一波源码 xff0c 顺便把问题解答一下 这个源码其实包括很多内容

  • 卡通驱动项目ThreeDPoseTracker——关键点平滑方案解析

    前言 之前对ThreeDPoseTracker的深度学习模型和unity中的驱动方法进行过解析 xff0c 还有一个比较重要的就是从深度学习模型出来的3D关键点数据会有抖动 xff0c 在ThreeDPoseTracker源码中有做两次平滑

  • 卡通角色表情驱动系列一

    前言 分析完ThreeDPoseTracker来做卡通角色的身体驱动 xff0c 接下来在卡通驱动领域还有一个是表情驱动 对这个真的是一窍不通啊 xff0c 只能慢慢看论文了 国际惯例 xff0c 参考博客 论文 xff1a Landmar

  • opencv相机标定和人头姿态估计案例

    前言 头部驱动除了之前关注的表情驱动外 xff0c 还有眼球驱动和头部方向驱动 本博客基于opencv官方文档和部分开源代码来研究如何基于人脸关键点获取头部的朝向 国际惯例 xff0c 参考博客 xff1a opencv Camera Ca

  • 卡通角色表情驱动系列二

    前言 之前介绍了使用传统算法求解BS系数的表情驱动方法 xff0c 其中提到过的三种方法之一是基于网格形变迁移做的 xff0c 那么这篇文章就是对 Deformation Transfer for Triangle Meshes 做表情驱动

  • HDU 1085 Holding Bin-Laden Captive!（母函数）

    HDU 1085 Holding Bin Laden Captive xff08 母函数 xff09 题目地址 题意 xff1a 给你cnt1个一元硬币 xff0c cnt2个两元硬币 xff0c cnt3个五元硬币 xff0c 问不能凑出

  • UE自带重定向原理

    UE自带重定向方法验证 核心源码在VS的解决方案中的位置 xff1a UE4 Source Developer AssetTools Private AssetTypeActions AnimSequence cpp中第3237行Remap

  • matlab之bsxfun函数

    lt span style 61 34 font size 18px color ff0000 34 gt 简单的调用方法 xff1a lt span gt bsxfun 64 plus xff0c A xff0c B xff0c 其中 6

  • 关于协方差矩阵需要注意的一个事项

    协方差矩阵是衡量样本的属性 即维度 之间的关系 xff0c 而不是样本与样本之间的关系 比如有100个样本 xff0c 每个样本10个属性 xff0c 那么计算得到的协方差矩阵一定是10 10的 xff0c 而不是100 100的 xff0

  • 【caffe-Windows】caffe+VS2013+Windows+GPU配置+cifar使用

    前言 国际惯例 xff0c 先来波地址 xff1a CUDA WIN7 xff1a 链接 xff1a http pan baidu com s 1nvyA3Qp 密码 xff1a h0f3 官方网址 xff1a https develope

热门标签