在硕士第二年,义无反顾地投身到了深度学习的浪潮中.从之前的惯性导航转到这个方向,一切从头开始,在此,仅以此文记录自己的打怪之路. 最初的想法是动手熟悉Caffe,考虑到直接上手Ubuntu会有些难度,所以首先在windows环境下打个基础.有个插曲,台式机由于某些原因只能保持在32位系统,编译caffe.cpp时才发现系统不兼容,然后才换到64位的笔记本上进行操作. 前期准备:1.VS 2013   2. windows版的Caffe(https://github.com/BVLC/caffe/

转载来自:http://blog.csdn.net/guoyk1990/article/details/52909864 本文主要介绍官方给出的caffe-windows的配置及如何训练mnist数据集,介绍的比较基础,大神请绕道 1.环境:windows 10\CUDA7.5\cuDNN\VS2013 2.GPU计算环境准备(没有GPU的同学可以跳过此步) (1)首先下载并安装CUDA7.5,下载界面如图1: 图 1:CUDA7.5的下载界面 (2)下载cuDNN,注意要下载cuDNN v4版

本文大多转载自 http://blog.csdn.net/guoyk1990/article/details/52909864,加入部分自己实战心得. 1.环境:windows 7\VS2013 2.caffe-windows准备 (1)下载官方caffe-windows并解压,将 .\windows\CommonSettings.props.example备份,并改名为CommonSettings.props.如图4所示: 图 4:修改后的CommonSettings.props文件 附带说明

http://blog.csdn.net/guoyk1990/article/details/52909864 标签: caffewindows配置训练自己的数据 2016-10-24 13:34 11651人阅读 评论(2) 收藏 举报  分类: 深度学习(1)  图像处理(13)  caffe(1)  版权声明:本文为博主原创文章,未经博主允许不得转载. 本文主要介绍官方给出的caffe-windows的配置及如何训练mnist数据集,介绍的比较基础,大神请绕道 1.环境:windows 1

1.在此之前,记录一下之前的错误,在参考博客[caffe-Windows]caffe+VS2013+Windows+GPU配置+cifar使用进行caffe的安装时,其中的一些步骤可以不做,具体见下图: 如果加上,后面编译caffe.sln的16个项目时,就会缺少很多类似cublas.h头文件,和相关类似cublas.lib的lib文件,安装CUDA后会自动生成CUDA＿PATH,默认路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.

转发请说明来处 Win7配置caffe(无GPU) 配置环境: 必须:win7 64 + vs2013 Win7 64位旗舰版要升级到service spack(因为是在vs2013下,想安装vs2013,得将旗舰版升级到Service Pack1),如下图 Vs2013 本人申请的服务器,无GPU,如图: 计算机-属性-设备管理器 (如果你的是NVIDIA,需要下载CUDA,不着急下面先看) 本人python2.7.12(不是安装的anaconda,当然建议安装这个) Matlab2016a

没有GPU,没有linux, 只好装caffe的windows版本了. 我的系统是win10(64位),vs 2012版本,其它什么都没有装,因此会需要一切的依赖库. 其实操作系统只要是64位就行了,无所谓版本,win7,win8,win10都行. 1.安装vs2012. 2.安装 cude 6.5  可到此处下载:https://developer.nvidia.com/cuda-toolkit-65, 下载的是64bit的EXE文件,下载完后,双击安装就可以了,如果默认安装路径,则应该安装在

一.前言 本文会详细地阐述caffe-windows的配置教程.由于博主自己也只是个在校学生,目前也写不了太深入的东西,所以准备从最基础的开始一步步来.个人的计划是分成配置和运行官方教程,利用自己的数据集进行训练和利用caffe来实现别人论文中的模型(目前在尝试的是轻量级的SqueezeNet)三步走.不求深度,但求详细.因为说实话caffe-windows的配置当初花了挺多时间的,目前貌似还真没有从头开始一步步讲起的教程,所以博主就争取试着每一步都讲清楚吧. 这里说些题外话:之所以选择Sque

[转载来的文章:如有侵权,请联系我!我将马上删除!] 首先声明一下,如标题,本教程是caffe在windows系统上的配置方法,而且是github上官方BVLC/caffe目前推荐的配置方法,并不是使用微软的caffe-windows.之前很多人是用的微软的caffe配置,本教程真不是. 适用平台 64位 windows 10.64位 windows 7(我第一次安装配置的是win10,现在用win7安装给大家做个演示,有一些截图是win10上的,不过没影响的,win8我就不清楚了..) caf

1.Windows环境caffe安装配置(无GPU) 参考:http://www.cnblogs.com/cxyxbk/p/5902034.html 解压caffe-windows文件,将./windows中的CommonSettings.props.example文件复制到本文件夹中,然后删除example得到CommonSettings.props文件 修改CommonSettings.props文件.根据自己的需求修改状态,比如我自己笔记本上无GPU,就在对应的地方设置位False:相应的

一.需要安装的软件 1)vs2013,我是在http://www.52pojie.cn/thread-492326-1-1.html这个网址安装的.我之前用的是vs2012,按照网上的配置教程会爆各种错误,NuGet包总是还原失败,调试了一整天都没弄成功,最终还是安装了vs2013,才使配置过程一切顺利,所以还是建议安vs2013. 2)matlab R2014a,这是我用的matlab版本,如果不打算配置matlab这个接口的话可以不用下载这个. 3)cuda 8.0,cuda的下载与安装介绍

啦啦啦:根据网上的教程前一天安装失败,第二天才安装成功.其实caffe的安装并不难,只是网上的教程不是很全面,自己写一个,留作纪念. 准备工作 Windows10 操作系统 vs2015(c++编译器一定要已经安装) cmake编译工具(加入到环境变量) anaconda2(我第一次用的anaconda3,用的最新的版本安装失败,结果发现caffe支持的是python3.5的anaconda,所以选择了python2.7也就是anaconda2) 下载caffe 直接下载Windows版的就行(

安装caffe框架所需文件: 1.微软提供的快速卷积神经网络框架caffe-master安装包或者windows提供的caffe-windows安装包. 链接:http://pan.baidu.com/s/1hs8ngpA 密码:ith0 2.并行计算框架CUDA**,注意要和你电脑上安装的NVIDA显卡驱动的版本所对应(此处要根据电脑上的显卡类型,更新显卡驱动程序为最新版本,比如GTX970对应的英伟达的显卡驱动程序最新版本是376.51),否则安装时会出现与系统不兼容的错误. 链接:http

一.error MSB3073类错误 一般是由于CommonSettings.props配置出现错误. 第一处是你安装CUDA的版本号,第二次是你安装cudnn的路径. 也可参照http://blog.csdn.net/lichantidings/article/details/51854010 二.编译libcaffe,caffe工程时出错 上面少的cublas.h,cuda_runtime.h等头文件以及缺少的cublas.lib等文件都是安装cuda后生成的,比如我使用的基于window1

Caffe在以下环境安装:Win10+CUDA8.0+Cudnn5.0+VS2013+Matlab2016a 最近于导师要求下,从头学习Caffe.之前接触了CNN进行了图片分类,后导师提起过Caffe一词,因种种原因,一直在回避这个炙手可热的工具.如今下决心要深入学习它,就把我的心路历程及经验分享给大家. 最开始我很盲目,一看网上教程就开始下载软件,进行安装,在第一步CUDA的安装上面就吃到不少苦头,折腾好久才知道自己的电脑根本不能安装caffe环境,最重要的是缺少英伟达NVIDIA显卡,后在

原文来源:  来源:Angle_Cal  2016-12-19 17:32 本博主修改于2017-09-12.  版权所有,转载请注明出处.   BLVC版本的Caffe-windows已经支持Visual Studio 2015,下面的配置过程是综合了其他人的经验而且验证过的,可以确保有效. 下载Caffe-Windows(BLVC) 下载地址:GitHub下载好解压缩即可. 建议使用git命令下载. 即有 git clone https://github.com/BVLC/caffe.git

一:安装准备 1:caffe的安装配置,本人用的是happynear大神的caffe版本,具体链接https://github.com/happynear/caffe-windows,编译时需要用到python接口,安装过程参考:http://blog.csdn.net/happynear/article/details/45372231. 2:fast-rcnn所需要模型文件:百度网盘链接:http://pan.baidu.com/s/1gfC8eNx下载完成后将3个文件夹放在fast_rcn

1. 下载cuda8.0  cudnn5   anaconda https://developer.nvidia.com/cuda-80-ga2-download-archive https://developer.nvidia.com/cudnn https://www.anaconda.com/download/#windows    (安装anaconda3) 安装anaonda,cuda, cudnn cudnn下载好后 把include   lib  复制到    C:\Program

[神经网络与深度学习][CUDA开发]caffe-windows win32下的编译尝试 标签:[神经网络与深度学习] [CUDA开发] 主要是在开发Qt的应用程序时,需要的是有一个使用的库文件也只是win32,死活找不到x64的库,对是gnuwin32,没有找到gnuwin64,也是哭了,于是想着是不是能够将Caffe按照win32的配置进行重新编译一番.结果可想而知,遇到了一堆的问题,很伤心,最后也没有解决,不,最后是完全将cuDNN和CUDA全部去掉后才成功的,因为cuDNN没有找到所谓的

[神经网络与深度学习][python开发]caffe-windows使能python接口使用draw_net.py绘制网络结构图过程 标签:[神经网络与深度学习] [python开发] 主要是想用python绘制一下设计的网络结构图,以便可视化.因此在caffe-windows的工程配置中将python的选项设置为true,下面记录了整个成功绘图的过程. <1> 配置CommonSettings.props中python接口 <PythonSupport>true</Pyth

如何在 centos 7.3 上安装 caffe 深度学习工具   有好多朋友在安装 caffe 时遇到不少问题.(看文章的朋友希望关心一下我的创业项目趣智思成) 今天测试并整理一下安装过程.我是在阿里云上测试,选择centos 7.3 镜像. 先安装 epel 源 1 yum install epel-release 安装基本编译环境 1 2 yum install protobuf-devel leveldb-devel snappy-devel opencv-devel boost-dev