Windows7 64下搭建Caffe+python接口環境

參考連接：
　　http://www.cnblogs.com/yixuan-xu/p/5858595.html
    http://www.cnblogs.com/zf-blog/p/6139044.html
    http://blog.csdn.net/zb1165048017/article/details/51355143?locationNum=6&fps=1
    http://blog.csdn.net/zb1165048017/article/details/52980102
搭建一個完整的運行環境，不出錯是很難的。尤爲是對於我這樣的小白。上面是我爲搭建此環境參考的前輩博客連接。
這裏作下總結，Windows7 64下搭建Caffe+python接口環境。(有些資源是前輩博客裏的) 
1.軟件
    Caffe下載連接(caffe-master):  
        https://github.com/Microsoft/caffe
        百度雲下載：http://pan.baidu.com/s/1hs8ngpA 密碼：ith0
    微軟的Windows三方包(Nuget程序包)：http://pan.baidu.com/s/1pKQKJJP 密碼：2vzy
    VS2013安裝包連接：http://pan.baidu.com/s/1dF5OTWH 密碼：16fn
    anaconda2下載： 官網下載 https://repo.continuum.io/archive/Anaconda2-4.2.0-Windows-x86_64.exe
　　　　　　　　   （千萬要下載支持python2.7的anaconda2,否則後面會遇到找不到python27.lib，折騰了我一下午時間）
2.軟件下載完成以後，開始一步一步來搭建環境。
  (1)首先解壓caffe-master.zip壓縮包，打開caffe-master文件夾。在windows文件夾下複製CommonSettings.props.example文件，
    重命名爲CommonSettings.props文件。
 
  (2)在windows文件夾下找到Caffe.sln，並用VS2013打開->項目/解決方案。
     在CommonSettings.props文件中修改相應內容：(下面Python路徑必定要改成anaconda2的路徑，圖片中是anaconda3路徑)

　　 
　　 因爲PC只有CPU沒有GPU，修改第七、8行；想要支持Python接口，修改第13行，並添加Python路徑，修改第48行
     打開Caffe.sln出現了libcaffe和test_all加載失敗。出現這個狀況，緣由可能和更改配置有關係，就將項目/解決方案關閉，從新打開就行了。

(3)配置文件修改好後，能夠編譯Caffe了。(有兩種Debug和Release活動配置，均可以編譯)
    
      　
    這時，可能會彈出一個對話框，表示正在下載第三方包。
    也能夠這麼作，在編譯以前直接將NugetPackages文件夾(因爲咱們已經下載好NugetPackages)，放在與Caffe-Master並列文件夾中。下載完成後，如圖。
　　
  (4)設置一下運行項。
　　  
  (5)運行caffe.cpp，直接雙擊打開caffe.cpp，而後ctrl+F5直接編譯。出現以下命令窗口說明編譯成功。 
　　
　　


3.用Caffe來測試mnist數據集
   (1)去官網http://yann.lecun.com/exdb/mnist/下載數據集。將圖裏的數據都下載下來，備用。
　　
    下載後解壓到.\caffe-master\data\mnist放在兩個文件夾下。
　　
    
   (2)在caffe-master目錄下，新建一個create_mnist.bat文件,寫入下面代碼：

.\Build\x64\Release\convert_mnist_data.exe .\data\mnist\mnist_train_lmdb\train-images.idx3-ubyte  .\data\mnist\mnist_train_lmdb\train-labels.idx1-ubyte .\examples\mnist\mnist_train_lmdb 
echo.
.\Build\x64\Release\convert_mnist_data.exe .\data\mnist\mnist_test_lmdb\t10k-images.idx3-ubyte  .\data\mnist\mnist_test_lmdb\t10k-labels.idx1-ubyte .\examples\mnist\mnist_test_lmdb
pause

雙擊該腳本運行，會在.\caffe-master\examples\mnist下生成相應的lmdb數據文件。
　　

　　  

可能會遇到這個問題：
        convert_mnist_data.cpp:103] Check failed: mdb_env_open(mdb_env, db_path, 0, 0664) == 0 (112 vs. 0) mdb_env_open failed
        解決：在convert_mnist_data.cpp第103行代碼中
                CHECK_EQ(mdb_env_set_mapsize(mdb_env, 1099511627776), MDB_SUCCESS) //1TB
             將數字改成107374182(100M),再從新生成一下convert_mnist_data.cpp
    再次運行腳本，又出現這個問題：
        convert_mnist_data.cpp:98] Check failed: _mkdir(db_path) == 0 (-1 vs. 0) mkdir .\examples\mnist\mnist_test_lmdbfailed
        解決：前面雖然出現了錯誤，但數據文件夾一樣生成了。在convert_mnist_data.cpp第98行代碼中mkdir(db_path, 0744)表示爲數據庫建立文件夾。
            若是文件夾已經存在，程序會報錯退出。程序不會覆蓋已有的數據庫。已有的數據庫若是不要了，須要手動刪除。
    (3)修改.\caffe-master\examples\mnist\lenet_solver.prototxt 將最後一行改成solver_mode:CPU
       修改.\caffe-master\examples\mnist\lenet_train_test.prototxt，以下圖。
　　　 

(4)在.\caffe-master目錄下，新建train_mnist.bat,而後寫入下面代碼：

        .\Build\x64\Release\caffe.exe train --solver=.\examples\mnist\lenet_solver.prototxt
        pause

而後雙擊運行，就會開始訓練，訓練完畢後會獲得相應的準確率和損失率。(用Debug配置運行時，大概要一個小時左右才能訓練完)

　　

4.配置Python接口
    (1)編譯caffe接口，確認配置文件CommonSettings.props的參數中第1三、48行已修改，以下。
        <PythonSupport>true</PythonSupport>
        <PythonDir>C:\Anaconda2\</PythonDir>
    保存以後，去編譯pycaffe，配置模式改成Release
　　

    編譯完成之後，會出現.\caffe-master\Build\x64\Release\pycaffe文件夾
　　

    將caffe文件夾複製到Anaconda2安裝目錄下C:\Anaconda2\Lib\site-packages
　　
    (2)import caffe
        因爲我PC裝了不少版本的Python，在cmd裏指定下目錄，調用C:\Anaconda2\裏的Python.exe
        再import caffe
　　　　
        這時會出現 ImportError: No module named google.protobuf.internal 這個錯誤。
        緣由是沒有protobuf這個模塊。使用pip install protobuf(這個安裝也須要注意，在cmd裏指定下目錄，
        調用C:\Anaconda2\Scripts\裏的pip.exe 即pip.exe install protobuf).
　　　　
　　　　
　　　　模塊安裝完成之後,再import caffe，就OK了。
　　　　

(3)看一個實例
       實現的是利用噪聲生成一張真實圖片，使用的實例是Texture Synthesis Using Convolutional Neural Networks
       原文地址： http://blog.csdn.net/zb1165048017/article/details/52980102
       github地址：https://github.com/leongatys/DeepTextures
       下載github的程序，新建一個DeepTextures-master.py文件。
　　　

import glob
import sys
import os
from collections import OrderedDict
import caffe
import numpy as np
from matplotlib import pyplot as plt
import qtpy

base_dir1 = os.getcwd()
print base_dir1
sys.path.append(r'C:\Anaconda2\Lib\site-packages\PyQt5')
print sys.path

#How to call custom moudles(DeepTextures-master)?
#1.find the site-packages folder in the python installation directory(.\Lib\site-packages)
#2.create a path file in this directory,such as myPython.pth
#3.open the myPython.pth,write the folder path for the user module(xxx.\DeepTextures-master)
#4.restart python container(IDLE/command line)
#5.from DeepImageSynthesis import * 


base_dir = r"C:\baidu\spider\caffe\PDF\example\DeepTextures-master"
from DeepImageSynthesis import *

VGGweights = os.path.join(base_dir,r'Models\vgg_normalised.caffemodel')
VGGmodel = os.path.join(base_dir,r'Models\VGG_ave_pool_deploy.prototxt')

imagenet_mean = np.array([ 0.40760392,  0.45795686,  0.48501961]) #mean for color channels (bgr)
im_dir = os.path.join(base_dir, 'Images/')

caffe.set_mode_cpu() #for cpu mode do 'caffe.set_mode_cpu()'
#if cpu mode we should not call,below 3 line of code is just for using GPU mode.
#gpu = 0
#caffe.set_mode_gpu()
#caffe.set_device(gpu)


#load source image
source_img_name = glob.glob1(im_dir,'pebbles.jpg')[0]
print source_img_name
source_img_org = caffe.io.load_image(im_dir + source_img_name)
im_size = 256.
[source_img,net] = load_image(im_dir + source_img_name, im_size,
                              VGGmodel, VGGweights, imagenet_mean,
                              show_img=True)
im_size = np.asarray(source_img.shape[-2:])


#l-bfgs parameters optimisation

maxiter  = 2000
m = 20

#define layers to include in the texture model and weights w_l
tex_layers = ['pool4', 'pool3', 'pool2', 'pool1', 'conv1_1']
tex_weights = [1e9,1e9,1e9,1e9,1e9]

#pass image through the network and save the constraints on each layer
constraints = OrderedDict()
net.forward(data = source_img)
for l,layer in enumerate(tex_layers):
    constraints[layer] = constraint([LossFunctions.gram_mse_loss],
                                    [{'target_gram_matrix': gram_matrix(net.blobs[layer].data),
                                     'weight': tex_weights[l]}])
    
#get optimisation bounds
bounds = get_bounds([source_img],im_size)


#generate new texture    
result = ImageSyn(net, constraints, bounds=bounds,
                  callback=lambda x: show_progress(x,net), 
                  minimize_options={'maxiter': maxiter,
                                    'maxcor': m,
                                    'ftol': 0, 'gtol': 0})


#match histogram of new texture with that of the source texture and show both images
new_texture = result['x'].reshape(*source_img.shape[1:]).transpose(1,2,0)[:,:,::-1]
new_texture = histogram_matching(new_texture, source_img_org)
plt.imshow(new_texture)
pltfigure()
plt.imshow(source_img_org)

調試可能遇到下面幾個問題：
       (1). F0122 16:28:32.843454 14000 common.cpp:75] Cannot use GPU in CPU-only Caffe
            由於在前面caffe配置過程當中，只配置了CPU模式。沒法使用GPU，代碼中已更改。
       (2). This application failed to start because it could not find or load the Qt platform plugin "windows" in "".
            因爲沒有配置系統的環境變量QT_QPA_PLATFORM_PLUGIN_PATH，找到pyqt的plugin目錄
            C:\Anaconda2\Library\plugins(可能每一個人安裝的路徑不一樣)
　　　　

不知道是什麼問題。結果卻不敬人意，待續解決。