面向Windows台的深度学习工具使用指南.PDF

面向 Windows 平台的深度学习工具 使用指南 张 林 同济大学软件学院 1. Windows 版 Caffe 的安装与基本测试 1.1 Windows 版 Caffe 配置与编译 BVLC有 caffe windows 的官方版本，/BVLC/caffe/tree/windows 下面介绍安装这个版本的 windows caffe 的一些具体问题 关于 visual studio，VS2015 好像不是很稳定，目前还是用 VS2013 CUDA用 CUDA 8.0 版本，并且用与之配合的 cudnn cudnn 解压以后，形成一个 cuda 目录，把这个目录下的三个文件夹复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0目录之下，会与该目录下本来的三个文 件夹合并内容 注意：当把显卡的驱动安装成功，并且安装了 CUDA 之后，建议执行一下硬件检测程序，测 试一下硬件是否正常。这可以通过执行 C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\Release 目录下的 deviceQuery.exe 来测试。如果正常的话，会 出现类似下图的信息。 如果使用 python，需要安装 Anaconda Python 2.7 然后，在开始栏里面，运行“Anaconda Prompt”，安装几个组件 conda install ‐‐yes numpy scipy matplotlib scikit‐image pip  pip install protobuf  需要根据自己的环境修改一下 scripts\build_win.cmd 的内容。 MSVC_VERSION=12 WITH_NINJA=0 CPU_ONLY=0 PYTHON_VERSION=2 BUILD_MATLAB=1 RUN_TESTS=1 然后，执行 build_win.cmd 命令。 完成编译后，会自动执行测试脚本；可能会有 4 个关于timer 的测试例程不能通过，这个并 没有关系。 1.2Matlab 接口配置 我们还可以测试一下 matlab 的配置能否正常.  在这一点上官方文档有些问题,需要按照下面过程配置  需要把  F:\caffe‐bvlc\matlab\+caffe\private\Release  下的 caffe_.mexw64 拷贝到  F:\caffe‐bvlc\matlab\+caffe\private  目录下。    需要把  F:\caffe‐bvlc\scripts\build\Matlab\Release  下的 caffe_.exp 和 caffe_.lib 也拷贝到  F:\caffe‐bvlc\matlab\+caffe\private  之下。  然后,可以运行 matlab 的一个分类 demo  F:\caffe‐master\matlab\demo\classification_demo.m  运行这个 demo 之前还要下载一个 bvlc_reference_caffenet.caffemodel,  /BVLC/caffe/tree/master/models/bvlc_reference_caffenet  bvlc_reference_caffenet.caffemodel 需要放在目录  F:\caffe‐master\models\bvlc_reference_caffenet  之下    如果上述例子能通过运行，说明 windows 版本的 caffe 已经安装设置好。  1.3 直接调用 classification.exe 进行测试 随 caffe 一起自带的有一个编译好的分类程序 classification.exe，它是命令行形式，可以对测 试图像进行分类。在 F:\caffe‐bvlc\sc