A. 如何在Windows下安装配置python接口的caffe

RDD（Resilient Distributed Dataset，弹性分布式数据集）是Spark的核心概念之一。
一个RDD代表一系列的“记录”（严格来说，某种类型的对象）。
这些记录被分配或分区到一个集群的多个节点上（在本地模式下，可以类似地理解为单个进程里的多个线程上）。Spark中的RDD具备容错性，即当某个节点或任务失败时（因非用户代码错误的原因而引起，如硬件故障、网络不通等），RDD会在余下的节点上自动重建，以便任务能最终完成。

B. 如何快糙好猛地在Windows下编译CAFFE并使用其matlab和python接口

一、准备
需要用到的东西我已经帮大家全部准备好了，有2016年2月4日刚刚从caffe官方master分支fork过来的源代码。有我自己亲手制作的第三方库，在源码的根目录下建立个3rdparty文件夹，把文件解压进去就可以了。
解压好之后，要将3rdparty/bin文件夹添加到环境变量的PATH中，这样才能让程序找到这些第三方库的dll。
最后是CUDA和MKL了，MKL是可选的，大家可以去Intel官方申请，如果不用cpu模式的话其实也无所谓，在第三方库包中我还提供了openblas的库文件。
我使用的是CUDA 7.5版，建议大家也安装这个版本。

二、编译
编译非常简单，分为以下几步：
1、双击./src/caffe/proto/extract_proto.bat批处理文件来生成caffe.pb.h和caffe.pb.cc两个c++文件，和caffe_pb2.py这个Python使用的文件。
2、打开./buildVS2013/MainBuilder.sln，打开之后切换编译模式至Release X64模式。如果打开之后显示加载失败，可能你的CUDA版本和我的不一致，我的是CUDA 7.5版，这时就要用记事本打开./buildVS2013目录下各个文件夹内的.vcxproj文件，搜索CUDA 7.5，把这个7.5换成你自己的CUDA版本，就可以正常打开了。
另外，如果你的显卡比较老或者没有显卡，请使用./build_cpu_only/MainBuilder.sln。
3、点上边工具栏中的绿色三角编译吧。编译大概需要半小时左右，请耐心等待。

如果要用matlab wrapper来提取特征、观察训练好的权重的话呢，只需要把matcaffe项目里面的matlab目录修改成你自己的，然后编译，你就能从matlab/+caffe/private文件夹里面找到一个叫caffe_.mexw64的文件啦。
python的wrapper类似，把pycaffe项目里的python目录改成你自己的（我用的是Anaconda），就能在python/caffe文件夹中生成_caffe.pyd的python dll文件。
三、测试
到 下载已经转换好的MNIST的leveldb数据文件，解压至./examples/mnist文件夹中，然后运行根目录下的run_mnist.bat即可开始训练，训练日志会保存在./log文件夹中，以INFO开头，txt格式的日志文件中。
ps：如果你编译成功的话，不要忘了给我的github工程点个star！

四、旧更新日志
2015/02/25 微软制作了一个caffe的windows版，他们更加专业，做出来的solution更加容易维护，第三方库完全由Nuget进行管理，几乎不用配置什么东西
2015/12/09 我总结了一下比较常见的问题，写在 里，而且未来会持续更新，如果碰到问题请先查看这个FAQ列表。
2015/09/14 Caffe现在支持单机多GPU啦，直接在caffe命令后面加--gpu=all或--gpu=0,1 即可使用多个GPU进行训练。
如果使用多gpu训练，不要直接点cmd窗口的X，最好使用Ctrl+C来终止程序，不然显卡驱动有时候会崩溃。
还有如果要在训练中途存一个snapshot，可以用Ctrl+Break。
因此一个正常的终止训练的操作是：
先Ctrl+Break保存当前工作状态，然后Ctrl+C终止训练。
2015/08/18 lmdb现在已经可以使用了，不过磁盘必须是NTFS格式的才可以。有需要的请到下载，并覆盖掉3rdparty/lib 中同名的文件，然后右键各个工程->仅用于项目->仅链接 即可，无需重新生成。
2015/08/08 有很多人报告（包括我自己）cuDNN v3 的速度比v2慢很多，因此master分支被我回滚回v2版本了，所幸cuDNN向下兼容，所以无需再次下载第三方库。
2015/08/06 新版caffe-windows上线了，由于vs2012编译速度太慢，从这个版本开始，不再对vs2012提供支持。
2015/07/07 现在caffe也支持VS2013了，第三方库全部更新至最新版本。请从下载并替换掉原有的build文件夹，其他步骤与先前版本一致。如果发现bug，烦请反馈给我，留言或在github上提issue均可。
2015/06/07 添加Insanity Layer（即randomized leaky rectified linear units），我也不知道为什么叫Insanity。。论文上说效果比PReLU还好些。
2015/06/05 将Caffe版本更新至6月5日的master分支，与上一版最大的不同在于matlab接口更加丰富，cudnn更新至v2版，所以要重新下载第三方库。
2015/06/05 Batch Normalization更新至新版，现在的默认mnist测试文件即为使用了Batch Normalization层的版本。
2015/05/29 发现上个版本的lmdb.lib使用了别人在vs2013下编译的版本，现改为vs2012版；
2015/05/29 添加了提取任意层特征的matlab接口，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为2*1的cell类型，里面记录了层的名称和该层的特征。
现在有了更好的方法来获得每层特征，该函数不再更新。请参见新版matlab接口。

C. 如何在windows下安装微软版的caffe

第一步，准备工作
1.首先从网址下载Caffe-Windows安装包（https://github.com/BVLC/caffe/tree/windows）；
2.安装Visual Studio 2013；
3.如果与需要使用NVIDIA显卡的请安装Cuda和CuDNN，不需要可以不装；
4.将.\windows\CommonSettings.props.example 复制一份并修改为 .\windows\CommonSettings.props，然后打开做如下修改：
1）如果不使用GPU，不安装CUDA和CuDNN，将CpuOnlyBuild 改为 true ，并且 UseCuDNN 改为 false；
2）安装CuDNN的情况下，将CuDNND路径复制到CuDnnPath；
3）选择支持Python或者MATLAB接口，当然也可以两个都支持，设置PythonSupport或者MatlabSupport为true，同时将Python或者MATLAB路径分别粘过来PythonDir和MatlabDir。
第二步，编译
打开.\windows\Caffe.sln，编译Caffe/convert_imageset、caffe、libcaffe、convert_mnist_data等，可以根据提示和需要进行，生成的caffe.exe为训练与测试的主程序，convert_imageset为将训练和测试数据生成LMDB使用的程序。

D. 怎么在windows下编译fast rcnn需要的python版本的caffe接口

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cuda
NVIDIA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:\Program Files\NVIDIA GPU Computing Toolkit\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\NVIDIA Corporation\CUDA Samples\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git
cmake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-rcnn
1、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] view plain
git clone
cd caffe
git checkout windows

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import caffe。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

怎么办呢，先set一下：输入SET VS90COMNTOOLS=%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] 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

E. windows caffe python 没有

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：）

F. Windows+Anaconda+caffe python要怎么配置

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。
4、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。

G. 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！

H. 关于caffe-windows配置matlab和python接口的问题

1.安装
使用PyInstaller需要安装PyWin32。
下载与Python对应的PyInstaller版本， 解压后就算安装好了 。
2.生成exe文件
Python程序的目录为 F:\hello.py

在命令行 中进入pyinstaller所在的目录，运行python pyinstaller.py F:\hello.py

在PyInstaller-2.1目录下，生成文件夹hello

hello目录下有文件

exe文件在dist目录下

如果将python文件复制到 pyinstaller.py 所在目录下，则运行 python pyinstaller.py hello.py

I. 想安装caffe 只用在python上 但电脑不是gpu windows10系统32版本 不是英伟达显卡 不能使用cuda

1、右键点击“开始菜单”按钮，在弹出的菜单中选择“运行”菜单项

2、在弹出的运行窗口中，输入gpedit.msc命令，点击确定按钮

3、打开本地组策略编辑器窗口

4、在本地组策略编辑器窗口中，依次点击“管理模板/Windows组件/Windows Installer”菜单项，在右侧找到“禁止用户安装”一项

5、在打开的“禁止用户安装”窗口中，可以看到该项设置为“已启用”，这就是导致不能正常安装软件的原因。

6、我们把该项设置为“未配置”或是“已禁用”，然后点击确定按钮保存退出，这样以后就可以正常安装软件了。

J. 如何在Windows下安装配置python接口的caffe

可以选择使用caffe for windows，你在windows下，又不想用VS去编译，然后你想装python环境去运行caffe？那还不如直接装个Ubuntu直接去跑了。