一、前期環境以及準備

1、安裝python

在caffe中，python2和python3的接口都有。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，里面已經安裝了很多第三方的庫。

另附python，Windows的第三方庫 http://www.lfd.uci.edu/~gohlke/pythonlibs/，里面很全。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。怎么解決呢？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。然后去NVIDIA的官網上下載cudnn庫，這個庫的話需要去NVIDIA注冊一個賬號，然后問你用這個來完成什么工作之類的巴拉巴拉。這個庫長什么樣呢？下載完解壓縮，得到一個cuda的文件夾，里面有3個文件夾

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

把cudnn庫里面的3個文件夾里面的文件，分別加到cuda里面對應的文件夾。

然后打開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，那么我就用打開2015的那個，然后改成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）https://cmake.org/download/，然后解壓文件，把bin的路徑添加到Path中。

git：因為frcnn里面有很多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接口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接口就不用了。

下載微軟的Caffe，git的地址https://github.com/BVLC/caffe/tree/windows

你可以用git直接下載，或者在git的地址里下載，隨便你。

[plain] view plaincopy

git?clone?https://github.com/BVLC/caffe.git??

cd?caffe??

git?checkout?windows??

打開caffe\scripts，然后編輯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，因為服務器呢都不在國內，所以我建議掛個VPN，不然你且等呢吧。

這樣cmake后呢，python的接口就已經編譯好了，不用再編譯一遍了。把caffe\python下的caffe的文件夾copy到python的第三方包的文件夾就ok。

這樣caffe的python接口就好了，你可以進cmd的python試一下import caffe。如果說，他提示少了什么包，你直接pip這個包就好了，找不到的話，百度一下就有。但只要你跟著上面我的方法做應該不會出現什么問題。

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https://github.com/MrGF/py-faster-rcnn-windows。

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

怎么辦呢，先set一下：輸入SET VS90COMNTOOLS=%VS140COMNTOOLS%，VS后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的依賴庫后，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。然后我們就可以把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

?? 然后copy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copy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 plaincopy

??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

??? 就是再執行一遍build_win.cmd就行。編譯好之后，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百度云https://pan.baidu.com/s/1nuAOmG5，把caffemodel文件放在data\faster_rcnn_models，然后執行tools\demo.py就能看到結果了

總結

以上是生活随笔為你收集整理的Windows+VS2015编译caffe+py-faster-rcnn的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。