服务器caffe环境搭建
1. 如何在Windows下安装配置python接口的caffe
整了一晚上加一上午。网上关于python的记录较少，这里写一下。
这里的环境是WIN10+cuda v7.5 +cudnn v4 + opencv + pycharm+VS2013
使用的是GPU，我的GPU是titan16G+内存32G
首先是caffe的文件以及第三方库的编译，这里提供一个已经编译好的的连接，我就是从那里下好然后编译完毕的。
点击打开链接 happynear的
然后就是如何编译python接口。
1、首先先生成两个python文件，在src/caffe/proto/extract_proto.bat 里生成caffe_pb2.py 这个之后有用。
2、然后打开已经给好的caffe/buildVS2013，打开里面已经有的工程文件，正常的情况下应该是有7个工程，选中pycaffee单独作为要编译的项目。如图所示：
把pycaffe作为单启动。注意需要在release x64位下编译。
如果没有这个的话，就将这个文件夹里python文件夹中的项目加入即可。如果没有python项目，就自己建一个，将python文件夹里的cpp文件加入就可以了。
3、选择pycaffe的属性，将配置属性下的VC++目录中的包含目录和库目录填上你python所在的include和libs 再在C/C++的目录下的附加包含目录一项中添加
以我的python为例。D:/python27/Lib；D:/python/include/ 以及D:/Python27/Lib/site-packages/numpy/core/include 如果你安装了CUDNN这里可以在预处理器那里把USE_CUDNN加上，同时在LINKER的输入目录下的附加依赖库中加入cudnn的lib文件。
3、开始编译即可。这里要注意一定要和caffe、caffelib在一个项目里编译，否则会报错。
4、编译成功后会在caffe/python/caffe下生成_caffe.pyd 是打不开的
5、配置python环境：需要几个额外库
Cython>=0.19.2
numpy>=1.7.1
scipy>=0.13.2
scikit-image>=0.9.3
matplotlib>=1.3.1
ipython>=3.0.0
h5py>=2.2.0
leveldb>=0.191
networkx>=1.8.1
nose>=1.3.0
pandas>=0.12.0
python-dateutil>=1.4,<2
protobuf>=2.5.0
python-gflags>=2.0
pyyaml>=3.10
Pillow>=2.3.0
six>=1.1.0
其中numpy要装MKL版本的，不然scipy装上了BLAS不能用
leveldb没有windows版本的，不过我找到了可以使用的办法。见这个博客：
点击打开链接
如果有pip install 装不上的，可以上这个网站找 wheel文件安装就可以了
点击打开链接
6、最后把目录中python下的caffe文件夹复制到python27/Lib/site-packages就可以了。
测试的时候只需要在控制台下输入import caffe 看能载入就知道成功了：）
2. centos服务器怎么使用caffe
配置环境我在自己的笔记本配置的caffe，配置的环境为：Windows764位+cuda6.5+Opencv2.49+VS2013。假设在配置caffe之前，你已经准备好这些。本文中将给出一些编译好的依赖库，如果你也是用的Windows764位+VS2013，可以直接使用。
准备依赖库在Windows下配置caffe，一个很主要的问题就是依赖库的编译。不像在Ubuntu下那么方便，在Windows下，依赖库都需要使用vs2013进行编译才能使用。下面我将介绍caffe需要的依赖库（如果你也是win764位+VS2013，可以直接使用我提供的依赖库）。
1boostboost可以源码进行编译，也可以直接安装文件。我使用的是后者，方便、快捷。我使用的是：boost_1.56_0-msvc-12.0-64.exe注意适合你的配置环境的boost版本即可。完毕，双击运行安装文件即可。2.2Glog+Gflag+Protobuf+LevelDB+HDF5+LMDB+Openblas。
3. 在只有独立显卡的linux环境下怎样安装caffe
Caffe需要预先安装一些依赖项，首先是CUDA驱动。不论是CentOS还是Ubuntu都预装了开源的nouveau显卡驱动（SUSE没有这种问题），如果不禁用，则CUDA驱动不能正确安装。以Ubuntu为例，介绍一下这里的处理方法，当然也有其他处理方法。
# sudo vi/etc/modprobe.d/blacklist.conf# 增加一行 ：blacklist nouveausudoapt-get --purge remove xserver-xorg-video-nouveau #把官方驱动彻底卸载：sudoapt-get --purge remove nvidia-* #清除之前安装的任何NVIDIA驱动sudo service lightdm stop #进命令行，关闭Xserversudo kill all Xorg然后下载并安装 NVIDIA CUDA驱动包，接着安装安装BLAS、OpenCV、Boost这三个库。BLAS数学库可以是ATLAS, MKL, 或 OpenBLAS，OpenCV要求2.4以上版本，Boost要求1.55版本以上。可选安装Python MATLAB Caffe 库，还有 numpy ， pandas 之类的Python类库。安装MATLAB，以确保mex 在path路径中，这些就够你折腾一个星期了，完事以后就可以编译安装了：
cp Makefile.config.example Makefile.config# Adjust Makefile.config (for example, if using Anaconda Python, or if cuDNN is desired)make allmake testmake runtest 哦对了，Caffe 显卡要求：Titan Xs, K80s, GTX 980s, K40s, K20s, Titans, and GTX 770s
4. 如何在Windows环境下配置Caffe
第一步准备工作
1.首先网址载Caffe-Windows安装包（）；
2.安装Visual Studio 2013；
3.与需要使用NVIDIA显卡请安装CudaCuDNN需要装；
4..\windows\CommonSettings.props.example 复制份并修改 .\windows\CommonSettings.props打做修改：
1）使用GPU安装CUDACuDNNCpuOnlyBuild 改 true 并且 UseCuDNN 改 false；
2）安装CuDNN情况CuDNND路径复制CuDnnPath；
3）选择支持Python或者MATLAB接口两都支持设置PythonSupport或者MatlabSupporttrue同Python或者MATLAB路径别粘PythonDirMatlabDir
第二步编译
打.\windows\Caffe.sln编译Caffe/convert_imageset、caffe、libcaffe、convert_mnist_data等根据提示需要进行caffe.exe训练与测试主程序convert_imageset训练测试数据LMDB使用程序！
5. caffe windows10 vs2013怎么配置
1.配置环境
我在自己的笔记本配置的caffe，配置的环境为：Windows 7 64位 + cuda6.5 + Opencv2.49 +VS2013。假设在配置caffe之前，你已经准备好这些。
本文中将给出一些编译好的依赖库，如果你也是用的Windows 7 64位+VS2013，可以直接使用。
2.准备依赖库
在Windows下配置caffe，一个很主要的问题就是依赖库的编译。不像在Ubuntu下那么方便，在Windows下，依赖库都需要使用vs2013进行编译才能使用。下面我将介绍caffe需要的依赖库（如果你也是win7 64位+VS2013，可以直接使用我提供的依赖库）。
2.1 boost
boost可以下载源码进行编译，也可以直接下载安装文件。我使用的是后者，方便、快捷。
我使用的是：boost_1.56_0-msvc-12.0-64.exe
注意下载适合你的配置环境的boost版本即可。
下载完毕，双击运行安装文件即可。
2.2 Glog+Gflag+Protobuf+LevelDB+HDF5+LMDB+Openblas
这一部分的很多都是谷歌的开源库，不容易下载（你懂的）。所以我使用的是Neil Z. SHAO‘s Blog
提供的编译好的。
下载完，解压得到3rdparty文件夹。在下一段将会用到。
3.建立caffe工程
准备好了caffe需要的依赖库和环境之后，下面就可以建立caffe的vs项目，进行编译了。
3.1 下载caffe源码
可以从caffe的github主页下载源码。
下载地址：Caffe’s GitHub
解压文件，假设caffe源码所在目录为CAFFE_ROOT。
3.2 准备项目需要的依赖库和系统环境变量
经过上一阶段的准备，caffe项目所需的依赖库都已经准备好。
1.首先设置系统环境变量(以我的为例):
CUDA_PATH_V6_5 安装好cuda6.5之后，会自动添加环境变量CUDA_PATH_V6_5
OPENCV_2_49 D:/Tools/opencv2.49/build/
BOOST_1_56 D:/Tools/boost_1_56_0
2.将3rdparty文件夹放到CAFFE_ROOT
3.3 用vs建立caffe项目
1.用VS2013在CAFFE_ROOT下建立 win32 console application，选择空项目。
将项目的平台由32位改为64位
2.修改项目属性
项目——属性——C/C++——常规——附加包含目录
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;
项目——属相——VC++目录——包含目录
添加：
$(CUDA_PATH_V6_5)\include;
$(OPENCV_2_49)\include;
$(OPENCV_2_49)\include\opencv;
$(OPENCV_2_49)\include\opencv2;
$(BOOST_1_56)
项目——属性——链接器——常规——附加库目录
添加：
$(CUDA_PATH_V6_5)\lib\$(PlatformName);
$(OPENCV_2_49)\x64\vc12\lib;
$(BOOST_1_56)\lib64-msvc-12.0;
..\3rdparty\lib;
项目——属性——链接器——输入——附加依赖项
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 编译caffe
配置好caffe项目的属性之后，下面就可以一步一步的编译caffe了。
3.4.1 编译./src中的文件
首先，将../src文件夹中的*.cpp文件添加到工程中。
依次编译每一个*.cpp文件。
1.编译blob.cpp
直接编译时会报错，缺少文件”caffe\proto\caffe.pb.h”
这个时候需要将proto.exe放到../3rdparty/bin文件夹
将GernaratePB.bat放在../scripts文件夹
运行bat脚本文件即可生成caffe.pb.h
然后就可以成功编译。
2.编译common.cpp
直接编译这个文件，会出现关于getid和fopen_s的错误。可通过如下步骤修改：
在代码前面添加：#include <process.h>
修改项目属性：项目——属性——C/C++——预处理器——预处理器定义
添加:_CRT_SECURE_NO_WARNINGS
在代码中getid的位置进行如下修改：
#ifdef _MSC_VER
pid = getid();
#else
pid = _getid();
#endf
修改完毕之后，可以成功编译。
3.编译net.cpp
直接编译这个文件，会出现关于mkstep、close、mkdtemp的错误。需要进行如下修改：
在io.hpp头文件中添加：#include “mkstep.h”
在io.hpp头文件中，在close()的位置进行如下修改：
#ifdef _MSC_VER
close(fd);
#else
_close(fd);
#endif
在mkdtemp的位置进行如下修改：
#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
修改完毕，可以成功编译。
4.编译solver.cpp
直接编译会出现关于snprintf的错误，需要进行如下修改：
#ifdef _MSC_VER
#define snprinf sprintf_s
#endif
修改完毕，可以成功编译。
5.其他剩余的cpp文件也依次编译
3.4.2 编译./src/layers中的文件
将./src/layers中的所有的cpp和cu文件都添加到项目中。
右键点击cu文件，修改属性。
在bnll_layer.cu文件，进行如下修改：
float kBNLL_THRESHOLD = 50 ——> #define kBNLL_THRESHOLD 50.0
依次编译所有的文件。
3.4.3 编译./src/util中的文件
将./src/util中所有的文件添加到项目
1.在io.cpp中
修改ReadProtoFromBinaryFile函数
O_RDONLY ——> O_RDONLY | O_BINARY
在代码中进行如下修改：
#ifdef _MSC_VER
#define open _open
#endif
将close()改为_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.依次编译其他文件
3.4.4 编译./src/proto中的文件
参照上一步，将proto中的文件都添加到项目。
修改属性：
项目——属性——C/C++——预处理器——预处理器定义
添加：_SCL_SECURE_NO_WARNINGS
编译所有文件。
3.4.5 编译./tools中的文件
本文件夹下有多个cpp文件，通过它们的名字就可以知道相应的功能。添加不同的cpp文件到项目中，然后生成项目，就可以得到不同功能的exe文件。
将caffe.cpp添加到工程，生成项目，得到caffe.exe文件，可用于训练模型
将computer_image_mean.cpp添加到工程，生成项目，得到的exe文件可用于将训练样本转换为caffe使用的leveldb/lmdb数据集。
依次类推。
自此，caffe在Windows下的编译已经完毕，接下来就可以使用它来训练自己的模型了。
6. 连接了配置好caffe的服务器，就可以在我的windows系统下使用caffe了吗
这里的环境是WIN10+cuda v7.5 +cudnn v4 + opencv + pycharm+VS2013
使用的是GPU，我的GPU是titan16G+内存32G
首先是caffe的文件以及第三方库的编译，这里提供一个已经编译好的的连接，我就是从那里下好然后编译完毕的。
7. 如何优雅地部署caffe程序
刀片服务器安装GPU加速卡的方法与安装显卡的方法和位置都是一致的。
1、显卡的接口为PCIE接口，是安装在刀片主板的PCIE插槽上的，GPU加速卡的接口为PCIE接口，也是安装在PCIE插槽上的。 2、显卡PCIE接口与GPU加速卡PCIE接口对比，可见完全相同：
8. caffe for windows安装一定需要cuda吗
建议还是放到linux下运行，实际上很多人把caffe放到服务器上跑，而服务器一般是不带GPU的，所以caffe可以不依赖cuda，如果你不需要CUDA，你可以安装CPU_ONLY版本：编辑文件 .\windows\CommonSettings.props，设置CpuOnlyBuild 为 true，UseCuDNN为false。
当然我还是建议在linux上跑
9. caffe的python接口求助
一、前期环境以及准备1、安装python在caffe中，python2和python3的接口都有。但frcnn中只能支持python2.7，所以千万不要装成python3。为了方便，不用自己去pip一大堆库，我建议安装anaconda2，里面已经安装了很多第三方的库。另附python，Windows的第三方库，里面很全。或许有一些库你要去官网上下载。2、安装（更新）显卡驱动和cudaNVIDIA的显卡驱动安装应该不用我说了吧，到官网上下载吧。我要说明一点的是，我的1080ti在安装显卡驱动时，说和Windows不匹配。怎么解决呢？更新Windows，到官网上下驱动，再安装。成功！还有就是记得更新你的显卡驱动，以防老的驱动不支持cuda。CUDA安装的话，也是傻瓜试的安装。提醒一点的是，不要改变他的安装路径，默认路径。然后去NVIDIA的官网上下载cudnn库，这个库的话需要去NVIDIA注册一个账号，然后问你用这个来完成什么工作之类的巴拉巴拉。这个库长什么样呢？下载完解压缩，得到一个cuda的文件夹，里面有3个文件夹然后打开你的CUDA文件夹，默认路径是C:\ProgramFiles\NVIDIAGPUComputingToolkit\CUDA\v8.0把cudnn库里面的3个文件夹里面的文件，分别加到cuda里面对应的文件夹。然后打开cuda需要编译的部分，默认路径是C:\ProgramData\NVIDIACorporation\CUDASamples\v8.0因为我用的VS2015，那么我就用打开2015的那个，然后改成release运行。至此，显卡计算的环境就搭建完成了。3、cmake和gitcmake的话，我建议直接下载编译好的能运行的文件（到官网上下载），然后解压文件，把bin的路径添加到Path中。git：因为frcnn里面有很多linux的脚本，你可以不用，但用的话会很方便的。所以我建议安装git。同样，傻瓜式的安装，直接到官网上下载。二、py-faster-rcnn1、编译caffe的python接口GPU版本（如果你编译过了就不用了）因为frcnn的编译过程用需要用到python的caffe包，所以必须要先编译一次caffe。如果你已经编译过caffe的py接口就不用了。下载微软的Caffe，git的地址你可以用git直接下载，或者在git的地址里下载，随便你。[plain]打开caffe\scripts，然后编辑build_win.cmd文件第7行的VERSION是你VS的版本，VS2015对应的是14，VS2013对应的应该是12；第8行改为0；第9行改为0（如果你不用GPU，那就还是1）；13行的python_version是你的python版本，2.x就是2，3.x就是3；24,28行是你的python的安装目录，如果你是anaconda就改你的anaconda的目录，否则就不改。同样69-95行同样修改。以上2张图是我的cmake文件配置。进入caffe\scripts，打开cmd，直接执行build_win.cmd。注意他会自动下载需要的库，因为服务器呢都不在国内，所以我建议挂个VPN，不然你且等呢吧。这样cmake后呢，python的接口就已经编译好了，不用再编译一遍了。把caffe\python下的caffe的文件夹到python的第三方包的文件夹就ok。这样caffe的python接口就好了，你可以进cmd的python试一下importcaffe。如果说，他提示少了什么包，你直接pip这个包就好了，找不到的话，网络一下就有。但只要你跟着上面我的方法做应该不会出现什么问题。2、编译py-faster-rcnn依赖库首先呢，我们先去编译一下frcnn的依赖库。Windows下，不能使用自带的lib，把自带的lib删了，重新下载，这里给出git的地址。好了，现在你的库应该长成这样，有setup.py和setup_cuda.py。进cmd，install这2个文件。现在你肯定会遇到问题，提示你VC版本不对怎么呢，先set一下：输入SETVS90COMNTOOLS=%VS140COMNTOOLS%，VS后面的数字就是你的版本。还有不要忘了把你VS的c1.exe加到path下。编译好frcnn的依赖库后，应该是这个样子的。3、给caffe加frcnn的层现在，我们再下载一个caffe，跟前面一样，把build_win.cmd进行修改。然后我们就可以把frcnn的一些特有的层加到caffe里编译了。1）添加层和文件打开py-faster-rcnn\caffe-fast-rcnn\src\caffe\layers文件夹，找到4个文件分别为然后到你新的caffe的对应文件夹caffe\src\caffe\layers里。接着我们添加头文件，打开py-faster-rcnn\caffe-fast-rcnn\include\caffe，把fast_rcnn_layers.hpp这文件到caffe的对应文件夹下caffe\include\caffe。2）配置2个新层打开你的caffe\src\caffe\proto下的caffe.proto，进行编辑。在407行左右往原来的文件里添加新的层的配置信息[plain]_pooling_param=8266711;_l1_loss_param=8266712;messageROIPoolingParameter{//Pad,kernelsize,//,Xpairs.optionaluint32pooled_h=1[default=0];//_w=2[default=0];//Thepooledoutputwidth////_scale=3[default=1];}messageSmoothL1LossParameter{//SmoothL1Loss(x)=//0.5*(sigma*x)**2--ifx<1.0/sigma/sigma//|x|-0.5/sigma/sigma--otherwiseoptionalfloatsigma=1[default=1];}3）cmake新的caffe的python接口就是再执行一遍build_win.cmd就行。编译好之后，把caffe根目录下的python文件夹替换py-faster-rcnn\caffe-fast-rcnn的python文件夹。三、demo完成以上步骤你的py-faster-rcnn就已经编译成功了。如果你想用demo测试一下的话可以用.\data\scripts里的脚本去下载已经训练好的model，文件挺大的、速度挺慢的。所以给大家提供一个网络5，把caffemodel文件放在data\faster_rcnn_models，然后执行tools\demo.py就能看到结果了
10. ubuntu16.04 配置caffe环境 仅用cpu应该怎么修改makefile文件
应该是caffe编译需要的依赖环境没安装，试试输入下面的指令 sudo apt-get install libhdf5-serial-dev