A. 如何在Windows下安裝配置python介面的caffe

RDD（Resilient Distributed Dataset，彈性分布式數據集）是Spark的核心概念之一。
一個RDD代表一系列的「記錄」（嚴格來說，某種類型的對象）。
這些記錄被分配或分區到一個集群的多個節點上（在本地模式下，可以類似地理解為單個進程里的多個線程上）。Spark中的RDD具備容錯性，即當某個節點或任務失敗時（因非用戶代碼錯誤的原因而引起，如硬體故障、網路不通等），RDD會在餘下的節點上自動重建，以便任務能最終完成。

B. 如何快糙好猛地在Windows下編譯CAFFE並使用其matlab和python介面

一、准備
需要用到的東西我已經幫大家全部准備好了，有2016年2月4日剛剛從caffe官方master分支fork過來的源代碼。有我自己親手製作的第三方庫，在源碼的根目錄下建立個3rdparty文件夾，把文件解壓進去就可以了。
解壓好之後，要將3rdparty/bin文件夾添加到環境變數的PATH中，這樣才能讓程序找到這些第三方庫的dll。
最後是CUDA和MKL了，MKL是可選的，大家可以去Intel官方申請，如果不用cpu模式的話其實也無所謂，在第三方庫包中我還提供了openblas的庫文件。
我使用的是CUDA 7.5版，建議大家也安裝這個版本。

二、編譯
編譯非常簡單，分為以下幾步：
1、雙擊./src/caffe/proto/extract_proto.bat批處理文件來生成caffe.pb.h和caffe.pb.cc兩個c++文件，和caffe_pb2.py這個Python使用的文件。
2、打開./buildVS2013/MainBuilder.sln，打開之後切換編譯模式至Release X64模式。如果打開之後顯示載入失敗，可能你的CUDA版本和我的不一致，我的是CUDA 7.5版，這時就要用記事本打開./buildVS2013目錄下各個文件夾內的.vcxproj文件，搜索CUDA 7.5，把這個7.5換成你自己的CUDA版本，就可以正常打開了。
另外，如果你的顯卡比較老或者沒有顯卡，請使用./build_cpu_only/MainBuilder.sln。
3、點上邊工具欄中的綠色三角編譯吧。編譯大概需要半小時左右，請耐心等待。

如果要用matlab wrapper來提取特徵、觀察訓練好的權重的話呢，只需要把matcaffe項目裡面的matlab目錄修改成你自己的，然後編譯，你就能從matlab/+caffe/private文件夾裡面找到一個叫caffe_.mexw64的文件啦。
python的wrapper類似，把pycaffe項目里的python目錄改成你自己的（我用的是Anaconda），就能在python/caffe文件夾中生成_caffe.pyd的python dll文件。
三、測試
到 下載已經轉換好的MNIST的leveldb數據文件，解壓至./examples/mnist文件夾中，然後運行根目錄下的run_mnist.bat即可開始訓練，訓練日誌會保存在./log文件夾中，以INFO開頭，txt格式的日誌文件中。
ps：如果你編譯成功的話，不要忘了給我的github工程點個star！

四、舊更新日誌
2015/02/25 微軟製作了一個caffe的windows版，他們更加專業，做出來的solution更加容易維護，第三方庫完全由Nuget進行管理，幾乎不用配置什麼東西
2015/12/09 我總結了一下比較常見的問題，寫在 里，而且未來會持續更新，如果碰到問題請先查看這個FAQ列表。
2015/09/14 Caffe現在支持單機多GPU啦，直接在caffe命令後面加--gpu=all或--gpu=0,1 即可使用多個GPU進行訓練。
如果使用多gpu訓練，不要直接點cmd窗口的X，最好使用Ctrl+C來終止程序，不然顯卡驅動有時候會崩潰。
還有如果要在訓練中途存一個snapshot，可以用Ctrl+Break。
因此一個正常的終止訓練的操作是：
先Ctrl+Break保存當前工作狀態，然後Ctrl+C終止訓練。
2015/08/18 lmdb現在已經可以使用了，不過磁碟必須是NTFS格式的才可以。有需要的請到下載，並覆蓋掉3rdparty/lib 中同名的文件，然後右鍵各個工程->僅用於項目->僅鏈接 即可，無需重新生成。
2015/08/08 有很多人報告（包括我自己）cuDNN v3 的速度比v2慢很多，因此master分支被我回滾回v2版本了，所幸cuDNN向下兼容，所以無需再次下載第三方庫。
2015/08/06 新版caffe-windows上線了，由於vs2012編譯速度太慢，從這個版本開始，不再對vs2012提供支持。
2015/07/07 現在caffe也支持VS2013了，第三方庫全部更新至最新版本。請從下載並替換掉原有的build文件夾，其他步驟與先前版本一致。如果發現bug，煩請反饋給我，留言或在github上提issue均可。
2015/06/07 添加Insanity Layer（即randomized leaky rectified linear units），我也不知道為什麼叫Insanity。。論文上說效果比PReLU還好些。
2015/06/05 將Caffe版本更新至6月5日的master分支，與上一版最大的不同在於matlab介面更加豐富，cudnn更新至v2版，所以要重新下載第三方庫。
2015/06/05 Batch Normalization更新至新版，現在的默認mnist測試文件即為使用了Batch Normalization層的版本。
2015/05/29 發現上個版本的lmdb.lib使用了別人在vs2013下編譯的版本，現改為vs2012版；
2015/05/29 添加了提取任意層特徵的matlab介面，使用方法：
OUTPUT = caffe('get_features', INPUT, 'layername1,layername2...');11

例如：f = caffe('get_features', H, 'conv51,pool5'); 返回的f為2*1的cell類型，裡面記錄了層的名稱和該層的特徵。
現在有了更好的方法來獲得每層特徵，該函數不再更新。請參見新版matlab介面。

C. 如何在windows下安裝微軟版的caffe

第一步，准備工作
1.首先從網址下載Caffe-Windows安裝包（https://github.com/BVLC/caffe/tree/windows）；
2.安裝Visual Studio 2013；
3.如果與需要使用NVIDIA顯卡的請安裝Cuda和CuDNN，不需要可以不裝；
4.將.\windows\CommonSettings.props.example 復制一份並修改為 .\windows\CommonSettings.props，然後打開做如下修改：
1）如果不使用GPU，不安裝CUDA和CuDNN，將CpuOnlyBuild 改為 true ，並且 UseCuDNN 改為 false；
2）安裝CuDNN的情況下，將CuDNND路徑復制到CuDnnPath；
3）選擇支持Python或者MATLAB介面，當然也可以兩個都支持，設置PythonSupport或者MatlabSupport為true，同時將Python或者MATLAB路徑分別粘過來PythonDir和MatlabDir。
第二步，編譯
打開.\windows\Caffe.sln，編譯Caffe/convert_imageset、caffe、libcaffe、convert_mnist_data等，可以根據提示和需要進行，生成的caffe.exe為訓練與測試的主程序，convert_imageset為將訓練和測試數據生成LMDB使用的程序。

D. 怎麼在windows下編譯fast rcnn需要的python版本的caffe介面

一、前期環境以及准備
1、安裝python
在caffe中，python2和python3的介面都有。但frcnn中只能支持python2.7，所以千萬不要裝成python3。為了方便，不用自己去pip一大堆庫，我建議安裝anaconda2，裡面已經安裝了很多第三方的庫。
另附python，Windows的第三方庫 ，裡面很全。或許有一些庫你要去官網上下載。
2、安裝（更新）顯卡驅動和cuda
NVIDIA的顯卡驅動安裝應該不用我說了吧，到官網上下載吧。我要說明一點的是，我的1080ti在安裝顯卡驅動時，說和Windows不匹配。怎麼解決呢？更新Windows，到官網上下驅動，再安裝。成功！還有就是記得更新你的顯卡驅動，以防老的驅動不支持cuda。
CUDA安裝的話，也是傻瓜試的安裝。提醒一點的是，不要改變他的安裝路徑，默認路徑。然後去NVIDIA的官網上下載cudnn庫，這個庫的話需要去NVIDIA注冊一個賬號，然後問你用這個來完成什麼工作之類的巴拉巴拉。這個庫長什麼樣呢？下載完解壓縮，得到一個cuda的文件夾，裡面有3個文件夾

然後打開你的CUDA文件夾，默認路徑是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0

把cudnn庫裡面的3個文件夾裡面的文件，分別加到cuda裡面對應的文件夾。
然後打開cuda需要編譯的部分，默認路徑是C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0

因為我用的VS2015，那麼我就用打開2015的那個，然後改成release運行。
至此，顯卡計算的環境就搭建完成了。
3、cmake和git
cmake的話，我建議直接下載編譯好的能運行的文件（到官網上下載），然後解壓文件，把bin的路徑添加到Path中。
git：因為frcnn裡面有很多linux的腳本，你可以不用，但用的話會很方便的。所以我建議安裝git。同樣，傻瓜式的安裝，直接到官網上下載。
二、py-faster-rcnn
1、編譯caffe的python介面GPU版本（如果你編譯過了就不用了）
因為frcnn的編譯過程用需要用到python的caffe包，所以必須要先編譯一次caffe。如果你已經編譯過caffe的py介面就不用了。
下載微軟的Caffe，git的地址

你可以用git直接下載，或者在git的地址里下載，隨便你。

[plain] view plain
git clone
cd caffe
git checkout windows

打開caffe\scripts，然後編輯build_win.cmd文件

第7行的VERSION是你VS的版本，VS2015對應的是14，VS2013對應的應該是12；第8行改為0；第9行改為0（如果你不用GPU，那就還是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的安裝目錄，如果你是anaconda就改你的anaconda的目錄，否則就不改。

同樣69-95行同樣修改。以上2張圖是我的cmake文件配置。
進入caffe\scripts，打開cmd，直接執行build_win.cmd。注意他會自動下載需要的庫，因為伺服器呢都不在國內，所以我建議掛個VPN，不然你且等呢吧。
這樣cmake後呢，python的介面就已經編譯好了，不用再編譯一遍了。把caffe\python下的caffe的文件夾到python的第三方包的文件夾就ok。

這樣caffe的python介面就好了，你可以進cmd的python試一下import caffe。如果說，他提示少了什麼包，你直接pip這個包就好了，找不到的話，網路一下就有。但只要你跟著上面我的方法做應該不會出現什麼問題。

2、編譯py-faster-rcnn依賴庫

首先呢，我們先去編譯一下frcnn的依賴庫。Windows下，不能使用自帶的lib，把自帶的lib刪了，重新下載，這里給出git的地址。

好了，現在你的庫應該長成這樣，有setup.py和setup_cuda.py。進cmd，install這2個文件。
現在你肯定會遇到問題，提示你VC版本不對

怎麼辦呢，先set一下：輸入SET VS90COMNTOOLS=%VS140COMNTOOLS%，VS後面的數字就是你的版本。還有不要忘了把你VS的c1.exe加到path下。

編譯好frcnn的依賴庫後，應該是這個樣子的。
3、給caffe加frcnn的層
現在，我們再下載一個caffe，跟前面一樣，把build_win.cmd進行修改。然後我們就可以把frcnn的一些特有的層加到caffe里編譯了。
1）添加層和文件

打開py-faster-rcnn\caffe-fast-rcnn\src\caffe\layers文件夾，找到4個文件分別為

然後到你新的caffe的對應文件夾caffe\src\caffe\layers里。
接著我們添加頭文件，打開py-faster-rcnn\caffe-fast-rcnn\include\caffe，把fast_rcnn_layers.hpp這文件到caffe的對應文件夾下caffe\include\caffe。
2）配置2個新層
打開你的caffe\src\caffe\proto下的caffe.proto，進行編輯。
在407行左右

往原來的文件里添加新的層的配置信息

[plain] view plain
optional ROIPoolingParameter roi_pooling_param = 8266711;
optional SmoothL1LossParameter smooth_l1_loss_param = 8266712;
message ROIPoolingParameter {
// Pad, kernel size, and stride are all given as a single value for equal
// dimensions in height and width or as Y, X pairs.
optional uint32 pooled_h = 1 [default = 0]; // The pooled output height
optional uint32 pooled_w = 2 [default = 0]; // The pooled output width
// Multiplicative spatial scale factor to translate ROI coords from their
// input scale to the scale used when pooling
optional float spatial_scale = 3 [default = 1];
}
message SmoothL1LossParameter {
// SmoothL1Loss(x) =
// 0.5 * (sigma * x) ** 2 -- if x < 1.0 / sigma / sigma
// |x| - 0.5 / sigma / sigma -- otherwise
optional float sigma = 1 [default = 1];
}
3）cmake新的caffe的python介面

就是再執行一遍build_win.cmd就行。編譯好之後，把caffe根目錄下的python文件夾替換py-faster-rcnn\caffe-fast-rcnn的python文件夾。
三、demo

完成以上步驟你的py-faster-rcnn就已經編譯成功了。如果你想用demo測試一下的話可以用.\data\scripts里的腳本去下載已經訓練好的model，文件挺大的、速度挺慢的。所以給大家提供一個網路5，把caffemodel文件放在data\faster_rcnn_models，然後執行tools\demo.py就能看到結果了

E. windows caffe python 沒有

整了一晚上加一上午。網上關於python的記錄較少，這里寫一下。 這里的環境是WIN10+cuda v7.5 +cudnn v4 + opencv + pycharm+VS2013 使用的是GPU，我的GPU是titan16G+內存32G 首先是caffe的文件以及第三方庫的編譯，這里提供一個已經編譯好的的連接，我就是從那裡下好然後編譯完畢的。 點擊打開鏈接 happynear的 然後就是如何編譯python介面。 1、首先先生成兩個python文件，在src/caffe/proto/extract_proto.bat 里生成caffe_pb2.py 這個之後有用。 2、然後打開已經給好的caffe/buildVS2013，打開裡面已經有的工程文件，正常的情況下應該是有7個工程，選中pycaffee單獨作為要編譯的項目。如圖所示： 把pycaffe作為單啟動。注意需要在release x64位下編譯。 如果沒有這個的話，就將這個文件夾里python文件夾中的項目加入即可。如果沒有python項目，就自己建一個，將python文件夾里的cpp文件加入就可以了。 3、選擇pycaffe的屬性，將配置屬性下的VC++目錄中的包含目錄和庫目錄填上你python所在的include和libs 再在C/C++的目錄下的附加包含目錄一項中添加 以我的python為例。D:/python27/Lib；D:/python/include/ 以及D:/Python27/Lib/site-packages/numpy/core/include 如果你安裝了CUDNN這里可以在預處理器那裡把USE_CUDNN加上，同時在LINKER的輸入目錄下的附加依賴庫中加入cudnn的lib文件。 3、開始編譯即可。這里要注意一定要和caffe、caffelib在一個項目里編譯，否則會報錯。 4、編譯成功後會在caffe/python/caffe下生成_caffe.pyd 是打不開的 5、配置python環境：需要幾個額外庫 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要裝MKL版本的，不然scipy裝上了BLAS不能用 leveldb沒有windows版本的，不過我找到了可以使用的辦法。見這個博客： 點擊打開鏈接 如果有pip install 裝不上的，可以上這個網站找 wheel文件安裝就可以了 點擊打開鏈接 6、最後把目錄中python下的caffe文件夾復制到python27/Lib/site-packages就可以了。 測試的時候只需要在控制台下輸入import caffe 看能載入就知道成功了：）

F. Windows+Anaconda+caffe python要怎麼配置

1、首先先生成兩個python文件，在src\caffe\proto\extract_proto.bat 里生成caffe_pb2.py 這個之後有用。
2、然後打開已經給好的caffe\buildVS2013，打開裡面已經有的工程文件，正常的情況下應該是有7個工程，選中pycaffee單獨作為要編譯的項目把pycaffe作為單啟動。注意需要在release x64位下編譯。如果沒有這個的話，就將這個文件夾里python文件夾中的項目加入即可。如果沒有python項目，就自己建一個，將python文件夾里的cpp文件加入就可以了。
3、選擇pycaffe的屬性，將配置屬性下的VC++目錄中的包含目錄和庫目錄填上你python所在的include和libs 再在C/C++的目錄下的附加包含目錄一項中添加
以我的python為例。D:\python27\Lib；D:\python\include\ 以及D:\Python27\Lib\site-packages\numpy\core\include 如果你安裝了CUDNN這里可以在預處理器那裡把USE_CUDNN加上，同時在LINKER的輸入目錄下的附加依賴庫中加入cudnn的lib文件。
4、開始編譯即可。這里要注意一定要和caffe、caffelib在一個項目里編譯，否則會報錯。

G. 如何在Windows環境下配置Caffe

第一步准備工作
1.首先網址載Caffe-Windows安裝包（）；
2.安裝Visual Studio 2013；
3.與需要使用NVIDIA顯卡請安裝CudaCuDNN需要裝；
4..\windows\CommonSettings.props.example 復制份並修改 .\windows\CommonSettings.props打做修改：
1）使用GPU安裝CUDACuDNNCpuOnlyBuild 改 true 並且 UseCuDNN 改 false；
2）安裝CuDNN情況CuDNND路徑復制CuDnnPath；
3）選擇支持Python或者MATLAB介面兩都支持設置PythonSupport或者MatlabSupporttrue同Python或者MATLAB路徑別粘PythonDirMatlabDir
第二步編譯
打.\windows\Caffe.sln編譯Caffe/convert_imageset、caffe、libcaffe、convert_mnist_data等根據提示需要進行caffe.exe訓練與測試主程序convert_imageset訓練測試數據LMDB使用程序！

H. 關於caffe-windows配置matlab和python介面的問題

1.安裝
使用PyInstaller需要安裝PyWin32。
下載與Python對應的PyInstaller版本， 解壓後就算安裝好了 。
2.生成exe文件
Python程序的目錄為 F:\hello.py

在命令行 中進入pyinstaller所在的目錄，運行python pyinstaller.py F:\hello.py

在PyInstaller-2.1目錄下，生成文件夾hello

hello目錄下有文件

exe文件在dist目錄下

如果將python文件復制到 pyinstaller.py 所在目錄下，則運行 python pyinstaller.py hello.py

I. 想安裝caffe 只用在python上 但電腦不是gpu windows10系統32版本 不是英偉達顯卡 不能使用cuda

1、右鍵點擊「開始菜單」按鈕，在彈出的菜單中選擇「運行」菜單項

2、在彈出的運行窗口中，輸入gpedit.msc命令，點擊確定按鈕

3、打開本地組策略編輯器窗口

4、在本地組策略編輯器窗口中，依次點擊「管理模板/Windows組件/Windows Installer」菜單項，在右側找到「禁止用戶安裝」一項

5、在打開的「禁止用戶安裝」窗口中，可以看到該項設置為「已啟用」，這就是導致不能正常安裝軟體的原因。

6、我們把該項設置為「未配置」或是「已禁用」，然後點擊確定按鈕保存退出，這樣以後就可以正常安裝軟體了。

J. 如何在Windows下安裝配置python介面的caffe

可以選擇使用caffe for windows，你在windows下，又不想用VS去編譯，然後你想裝python環境去運行caffe？那還不如直接裝個Ubuntu直接去跑了。