windows編譯boost

㈠ windows 怎麼安裝boost

先從官網(www.boost.org)下載最新版的BOOST源碼,如圖所示

我這里下的是zip的那個
第2步:
編譯源代碼(放心.這里是傻瓜式的操作,很容易操作)
(1)先把源代碼放在E盤,例如 E:oost_1_53_0
(2)在源代碼中找到一個批處理bootstrap.bat,運行即可
此時會彈出Building Boost.Jam之類,過一會之後,源代碼中新增了1個文件bjam.exe
(3)運行bjame.exe即能編譯了(花費時間很長,大概20分

㈡ window32位下安裝boost庫怎麼運行 bootstrap.bat

1.模塊/工具簡介
Boost庫是一個跨平台，開源並且完全免費的C++庫，內容涵蓋字元串處理、正則表達式、容器與數據結構、並發編程、函數式編程、泛型編程、設計模式實現等許多領域，使得實際的開發更加靈活和高效。（

2.系統要求

Windows xp以上

3.部署步驟
（1）選擇下載Boost庫Windows版的安裝包，解壓至硬碟任意目錄（建議硬碟根目錄），下面用$BOOSTDIR表示boost的存放目錄
（2）在解壓的文件夾中找到bootstrap.bat並運行，生成bjam的可執行程序,運行即可
（3）編譯完成後會生成bin.v2和stage子目錄，裡麵包含了生成的*.lib庫文件

（4）配置vs環境，創建測試項目test，工具欄項目->右鍵->test屬性->配置屬性->C/C++->常規->附加包含目錄中添加$BOOSTDIR路徑(C:\boost_1_54_0;)，在鏈接器->常規->附加庫目錄中添加$BOOSTDIR\stage\libs(C:\boost_1_54_0\stage\lib\*.lib)，應用並確定，boost庫在win32環境下就部署成功了！

4.可能遇到的問題
（1）LINK : fatal error LNK1104: cannot open file 'libboost_thread-vc100-mt-s-1_52.lib'
到庫文件去看，只存在libboost_thread-vc100-mt-1_52.lib，兩者有什麼差別呢
-s

㈢ windows boost庫要編譯多久

vc的話有編譯好的，mingw的話也有，不過不是最新版的，自己編譯找教程吧，大概是先編譯一個bjam的文件出來，然後用它編譯boost，挺快的，其實沒有某些教程說的幾個小時，我的i5-460M大概是編譯了大半個小時，boost1.56

㈣ caffe windows10 vs2013怎麼配置

1.配置環境
我在自己的筆記本配置的caffe，配置的環境為：Windows 7 64位 + cuda6.5 + Opencv2.49 +VS2013。假設在配置caffe之前，你已經准備好這些。
本文中將給出一些編譯好的依賴庫，如果你也是用的Windows 7 64位+VS2013，可以直接使用。
2.准備依賴庫
在Windows下配置caffe，一個很主要的問題就是依賴庫的編譯。不像在Ubuntu下那麼方便，在Windows下，依賴庫都需要使用vs2013進行編譯才能使用。下面我將介紹caffe需要的依賴庫（如果你也是win7 64位+VS2013，可以直接使用我提供的依賴庫）。
2.1 boost
boost可以下載源碼進行編譯，也可以直接下載安裝文件。我使用的是後者，方便、快捷。
我使用的是：boost_1.56_0-msvc-12.0-64.exe
注意下載適合你的配置環境的boost版本即可。
下載完畢，雙擊運行安裝文件即可。
2.2 Glog+Gflag+Protobuf+LevelDB+HDF5+LMDB+Openblas
這一部分的很多都是谷歌的開源庫，不容易下載（你懂的）。所以我使用的是Neil Z. SHAO『s Blog
提供的編譯好的。
下載完，解壓得到3rdparty文件夾。在下一段將會用到。
3.建立caffe工程
准備好了caffe需要的依賴庫和環境之後，下面就可以建立caffe的vs項目，進行編譯了。
3.1 下載caffe源碼
可以從caffe的github主頁下載源碼。
下載地址：Caffe』s GitHub
解壓文件，假設caffe源碼所在目錄為CAFFE_ROOT。
3.2 准備項目需要的依賴庫和系統環境變數
經過上一階段的准備，caffe項目所需的依賴庫都已經准備好。
1.首先設置系統環境變數(以我的為例):
CUDA_PATH_V6_5 安裝好cuda6.5之後，會自動添加環境變數CUDA_PATH_V6_5
OPENCV_2_49 D:/Tools/opencv2.49/build/
BOOST_1_56 D:/Tools/boost_1_56_0
2.將3rdparty文件夾放到CAFFE_ROOT
3.3 用vs建立caffe項目
1.用VS2013在CAFFE_ROOT下建立 win32 console application，選擇空項目。
將項目的平台由32位改為64位
2.修改項目屬性
項目——屬性——C/C++——常規——附加包含目錄
添加：
../include;
../src；
../3rdparty/include;
../3rdparty;
../3rdparty/include;
../3rdparty/include/openblas;
../3rdparty/include/hdf5;
../3rdparty/include/lmdb;
../3rdparty/include/leveldb;
../3rdparty/include/gflag;
../3rdparty/include/glog;
../3rdparty/include/google/protobuf;
項目——屬相——VC++目錄——包含目錄
添加：
$(CUDA_PATH_V6_5)\include;
$(OPENCV_2_49)\include;
$(OPENCV_2_49)\include\opencv;
$(OPENCV_2_49)\include\opencv2;
$(BOOST_1_56)
項目——屬性——鏈接器——常規——附加庫目錄
添加：
$(CUDA_PATH_V6_5)\lib\$(PlatformName);
$(OPENCV_2_49)\x64\vc12\lib;
$(BOOST_1_56)\lib64-msvc-12.0;
..\3rdparty\lib;
項目——屬性——鏈接器——輸入——附加依賴項
debug添加：
opencv_ml249d.lib
opencv_calib3d249d.lib
opencv_contrib249d.lib
opencv_core249d.lib
opencv_features2d249d.lib
opencv_flann249d.lib
opencv_gpu249d.lib
opencv_highgui249d.lib
opencv_imgproc249d.lib
opencv_legacy249d.lib
opencv_objdetect249d.lib
opencv_ts249d.lib
opencv_video249d.lib
opencv_nonfree249d.lib
opencv_ocl249d.lib
opencv_photo249d.lib
opencv_stitching249d.lib
opencv_superres249d.lib
opencv_videostab249d.lib
cudart.lib
cuda.lib
nppi.lib
cufft.lib
cublas.lib
curand.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
gflags.lib
libprotobuf.lib
leveldb.lib
lmdb.lib
libhdf5.lib
libhdf5_hl.lib
release添加：
opencv_ml249.lib
opencv_calib3d249.lib
opencv_contrib249.lib
opencv_core249.lib
opencv_features2d249.lib
opencv_flann249.lib
opencv_gpu249.lib
opencv_highgui249.lib
opencv_imgproc249.lib
opencv_legacy249.lib
opencv_objdetect249.lib
opencv_ts249.lib
opencv_video249.lib
opencv_nonfree249.lib
opencv_ocl249.lib
opencv_photo249.lib
opencv_stitching249.lib
opencv_superres249.lib
opencv_videostab249.lib
cudart.lib
cuda.lib
nppi.lib
cufft.lib
cublas.lib
curand.lib
gflags.lib
libglog.lib
libopenblas.dll.a
libprotobuf.lib
libprotoc.lib
leveldb.lib
lmdb.lib
libhdf5.lib
libhdf5_hl.lib
Shlwapi.lib
3.4 編譯caffe
配置好caffe項目的屬性之後，下面就可以一步一步的編譯caffe了。
3.4.1 編譯./src中的文件
首先，將../src文件夾中的*.cpp文件添加到工程中。

依次編譯每一個*.cpp文件。
1.編譯blob.cpp
直接編譯時會報錯，缺少文件」caffe\proto\caffe.pb.h」
這個時候需要將proto.exe放到../3rdparty/bin文件夾
將GernaratePB.bat放在../scripts文件夾

運行bat腳本文件即可生成caffe.pb.h
然後就可以成功編譯。
2.編譯common.cpp
直接編譯這個文件，會出現關於getid和fopen_s的錯誤。可通過如下步驟修改：
在代碼前面添加：#include <process.h>
修改項目屬性：項目——屬性——C/C++——預處理器——預處理器定義
添加:_CRT_SECURE_NO_WARNINGS
在代碼中getid的位置進行如下修改：
#ifdef _MSC_VER
pid = getid();
#else
pid = _getid();
#endf
修改完畢之後，可以成功編譯。
3.編譯net.cpp
直接編譯這個文件，會出現關於mkstep、close、mkdtemp的錯誤。需要進行如下修改：
在io.hpp頭文件中添加：#include 「mkstep.h」
在io.hpp頭文件中，在close()的位置進行如下修改：
#ifdef _MSC_VER
close(fd);
#else
_close(fd);
#endif
在mkdtemp的位置進行如下修改：
#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
修改完畢，可以成功編譯。
4.編譯solver.cpp
直接編譯會出現關於snprintf的錯誤，需要進行如下修改：
#ifdef _MSC_VER
#define snprinf sprintf_s
#endif
修改完畢，可以成功編譯。
5.其他剩餘的cpp文件也依次編譯
3.4.2 編譯./src/layers中的文件
將./src/layers中的所有的cpp和cu文件都添加到項目中。

右鍵點擊cu文件，修改屬性。

在bnll_layer.cu文件，進行如下修改：
float kBNLL_THRESHOLD = 50 ——> #define kBNLL_THRESHOLD 50.0
依次編譯所有的文件。
3.4.3 編譯./src/util中的文件
將./src/util中所有的文件添加到項目

1.在io.cpp中
修改ReadProtoFromBinaryFile函數
O_RDONLY ——> O_RDONLY | O_BINARY
在代碼中進行如下修改：
#ifdef _MSC_VER
#define open _open
#endif
將close()改為_close()
2.在math_functions.cpp中
做如下修改：
#define __builtin_popcount __popcnt
#define __builtin_popcountl __popcnt
3.在db.cpp中
作如下修改：
#ifdef _MSC_VER
#include <direct.h>
#endif
修改CHECK_EQ
#ifdef _MSC_VER
CHECK_EQ(_mkdir(source.c_str()),0)<<」mkdir」<<source<<」failed」;
#else
CHECK_EQ(mkdir(source.c_str(),0744),0)<<」mkidr」<<source<<」failed」;
#endif
4.依次編譯其他文件
3.4.4 編譯./src/proto中的文件
參照上一步，將proto中的文件都添加到項目。
修改屬性：
項目——屬性——C/C++——預處理器——預處理器定義
添加：_SCL_SECURE_NO_WARNINGS
編譯所有文件。
3.4.5 編譯./tools中的文件
本文件夾下有多個cpp文件，通過它們的名字就可以知道相應的功能。添加不同的cpp文件到項目中，然後生成項目，就可以得到不同功能的exe文件。
將caffe.cpp添加到工程，生成項目，得到caffe.exe文件，可用於訓練模型
將computer_image_mean.cpp添加到工程，生成項目，得到的exe文件可用於將訓練樣本轉換為caffe使用的leveldb/lmdb數據集。
依次類推。
自此，caffe在Windows下的編譯已經完畢，接下來就可以使用它來訓練自己的模型了。

㈤ windows下boost怎樣安裝與使用說明

一、 下載boost

boost_1_51_0.zip 下載並解壓到C盤根文件夾
二、編譯boost
1、生成生命行程序
執行bootstrap.bat
2、編譯
執行b2.exe,完成後顯示：
The Boost C++ Libraries were successfully built!
The following directory should be added to compiler include paths:
C:/boost_1_51_0
The following directory should be added to linker library paths:
C:\boost_1_51_0\stage\lib
三、使用boost
1、創建一個win32 console
2、引用bootst
C/C++ -> Additional Include Directories: C:\boost_1_51_0
Linker-> Additional Library Directories: C:\boost_1_51_0\stage\lib
Linker->Input->Additional Dependencies :libboost_signals-vc110-mt-gd-1_51.lib;libboost_regex-vc110-mt-gd-1_51.lib;
3、Code如下：

#include "stdafx.h"
#include <boost/regex.hpp>
#include <boost/signals.hpp>
#include <boost/lambda/lambda.hpp>

#include <iostream>
#include <cassert>

struct print_sum {
void operator()(int x, int y) const { std::cout << x+y << std::endl; }
};

struct print_proct {

void operator()(int x, int y) const { std::cout << x*y << std::endl; }

};

int _tmain(int argc, _TCHAR* argv[])
{
boost::signal2<void, int, int, boost::last_value<void>, std::string> sig;
sig.connect(print_sum());
sig.connect(print_proct());
sig(3, 5);
std::string line;
boost::regex pat( "^Subject: (Re: |Aw: )*(.*)" );
while (std::cin)
{
std::getline(std::cin, line);
boost::smatch matches;
if (boost::regex_match(line, matches, pat))
std::cout << matches[2] << std::endl;
}
return 0;
}


示常式序在vs2012下通過，輸出：
8
15

㈥ 安裝了多個版本vs怎麼編譯boost

boost有些庫是不用安裝的，僅需包含頭文件庫就行了。
但是有些很爽的庫(thread,regex)需要根據不同的系統做不同的調整，所以必須編譯。
編譯的流程很簡單，如果是windows操作系統，首先找到那個booststrap.bat的東西,然後在控制台下運行它，它會生成bjam.exe，然後就可以通過bjam來編譯boost庫了,在命令行下輸入bjam --help看選項。

如果嫌麻煩，可以一次將boost庫需要編譯的全部編譯了，bjam --build-type=complete，生成庫全在stage目錄下。