本身的Qt GUI 項目+vs2013+opencv+caffe環境配置

　　因爲深度學習的種種優點，使咱們對於深度學習的使用愈來愈頻繁。不少時候，咱們都須要在本身的項目中配置caffe環境，來調用caffe網絡模型完成本身的任務。今天我主要講的關於"在本身的項目中配置caffe環境所遇到問題的相關說明和解答"，由於項目的須要，須要在項目中配置caffe來完成VGG網絡的分類任務。大概花費了一週的時間，總算成功了。期間，也是展轉反側，遇到了諸多問題，查閱了諸多資料，可是有些問題並無講的很是清楚。這裏，我就這些遇到的問題，根據本身的狀況以及解決的辦法跟你們分享一下。

　　首先，須要準備好安裝環境：

（1）已編譯好的caffe  https://github.com/Microsoft/caffe，必須是已經編譯好的caffe工程，由於咱們須要用到caffe第三方庫，以及編譯生成的libcaffe.lib

（2）vs2013  由於caffe須要vs2013的編譯器，因此最好是vs2013

（3）GPU環境的還要安裝CUDA，Cudnn。能夠去官網根據本身的電腦配置下載安裝

（4）若是須要作UI的話，也能夠在vs中配置相關界面工具，好比QT

　　而後，環境已經準備好了，接下來就是新建vs工程了，這裏能夠根據本身的狀況新建本身的項目，好比win32控制檯程序等。因爲，我選擇用QT來作c++應用的界面，全部我新建的是QT GUI Application。

　　工程新建完成後，接下來就是各類include，lib，dll的配置問題了。我這裏要說的是vs2013，x64，Debug，GPU模式。若是你是Release模式，那麼就將下面全部的Debug改成Release便可。具體地，打開屬性->VC++目錄

　　須要說明的是，這裏面你須要根據你的caffe環境和CUDA的安裝路徑，進行更改，不然會報錯找不到文件等等

　　接下來是連接器->輸入

//debug
opencv_calib3d2410d.lib
opencv_contrib2410d.lib
opencv_core2410d.lib
opencv_features2d2410d.lib
opencv_flann2410d.lib
opencv_gpu2410d.lib
opencv_highgui2410d.lib
opencv_imgproc2410d.lib
opencv_legacy2410d.lib
opencv_ml2410d.lib
opencv_objdetect2410d.lib
opencv_ts2410d.lib
opencv_video2410d.lib
caffe.lib
libcaffe.lib
cudart.lib
cublas.lib
curand.lib
gflagsd.lib
libglog.lib
libopenblas.dll.a
libprotobuf.lib
leveldb.lib
hdf5.lib
hdf5_hl.lib
Shlwapi.lib

　　最後，因爲要用到caffe模型，那麼必然會出現註冊層的問題，這裏咱們新建一個head.h的頭文件，而後在代碼中引用該頭文件便可。有人說，不這樣不行麼，建議你們最好這樣，由於不這樣通常會報出"未知的層"等相關錯誤。好比：

　　head.h的內容爲（注意，這裏面的層必須至少要包含你用到的網絡的相關層，不然會出錯）：

#include<caffe/common.hpp>
#include "caffe/caffe.hpp"
#include<caffe/proto/caffe.pb.h>
#include<caffe/layers/batch_norm_layer.hpp>
#include<caffe/layers/bias_layer.hpp>
#include <caffe/layers/concat_layer.hpp>
#include <caffe/layers/conv_layer.hpp>
#include <caffe/layers/dropout_layer.hpp>
#include<caffe/layers/input_layer.hpp>
#include <caffe/layers/inner_product_layer.hpp>
#include "caffe/layers/lrn_layer.hpp"
#include <caffe/layers/pooling_layer.hpp>
#include <caffe/layers/relu_layer.hpp>
 #include "caffe/layers/softmax_layer.hpp"
#include<caffe/layers/scale_layer.hpp>
namespace caffe
{
    extern INSTANTIATE_CLASS(BatchNormLayer);
    extern INSTANTIATE_CLASS(BiasLayer);
    extern INSTANTIATE_CLASS(InputLayer);
    REGISTER_LAYER_CLASS(Input);
    extern INSTANTIATE_CLASS(InnerProductLayer);
    extern INSTANTIATE_CLASS(DropoutLayer);
    extern INSTANTIATE_CLASS(ConvolutionLayer);
    REGISTER_LAYER_CLASS(Convolution);
    extern INSTANTIATE_CLASS(ReLULayer);
    REGISTER_LAYER_CLASS(ReLU);
    extern INSTANTIATE_CLASS(PoolingLayer);
    REGISTER_LAYER_CLASS(Pooling);
    extern INSTANTIATE_CLASS(LRNLayer);
    REGISTER_LAYER_CLASS(LRN);
    extern INSTANTIATE_CLASS(SoftmaxLayer);
    REGISTER_LAYER_CLASS(Softmax);
    extern INSTANTIATE_CLASS(ScaleLayer);
    extern INSTANTIATE_CLASS(ConcatLayer);
    
     }

　　這樣，完成後就能夠對工程進行第一次編譯，在編譯時，可能會出現以下主要問題：

1 出現某一層重複註冊的問題：

 

這時，你就要根據錯誤提示，找到是哪一個層重複註冊了，就將相應的REGISTER_LAYER_CLASS(Convolution);雙斜槓掉便可，最後相似於這樣：

#include<caffe/common.hpp>
#include "caffe/caffe.hpp"
#include<caffe/proto/caffe.pb.h>
#include<caffe/layers/batch_norm_layer.hpp>
#include<caffe/layers/bias_layer.hpp>
#include <caffe/layers/concat_layer.hpp>
#include <caffe/layers/conv_layer.hpp>
#include <caffe/layers/dropout_layer.hpp>
#include<caffe/layers/input_layer.hpp>
#include <caffe/layers/inner_product_layer.hpp>
#include "caffe/layers/lrn_layer.hpp"
#include <caffe/layers/pooling_layer.hpp>
#include <caffe/layers/relu_layer.hpp>
 #include "caffe/layers/softmax_layer.hpp"
#include<caffe/layers/scale_layer.hpp>
namespace caffe
{
    extern INSTANTIATE_CLASS(BatchNormLayer);
    extern INSTANTIATE_CLASS(BiasLayer);
    extern INSTANTIATE_CLASS(InputLayer);
    //REGISTER_LAYER_CLASS(Input);
    extern INSTANTIATE_CLASS(InnerProductLayer);
    extern INSTANTIATE_CLASS(DropoutLayer);
    extern INSTANTIATE_CLASS(ConvolutionLayer);
    //REGISTER_LAYER_CLASS(Convolution);
    extern INSTANTIATE_CLASS(ReLULayer);
    //REGISTER_LAYER_CLASS(ReLU);
    extern INSTANTIATE_CLASS(PoolingLayer);
    //REGISTER_LAYER_CLASS(Pooling);
    extern INSTANTIATE_CLASS(LRNLayer);
    //REGISTER_LAYER_CLASS(LRN);
    extern INSTANTIATE_CLASS(SoftmaxLayer);
    //REGISTER_LAYER_CLASS(Softmax);
    extern INSTANTIATE_CLASS(ScaleLayer);
    extern INSTANTIATE_CLASS(ConcatLayer);
    
     }

2 若是出現相關dll文件找不到的系統錯誤狀況：

兩種辦法：（1）在D:\Resource\caffe\caffe-windows\Build\x64\Debug（若是你是Release就在Release文件中）文件下，找到對應的dll文件，將其拷貝到項目生成的Debug文件夾下面便可，好比：

（2）在項目文件下新建一個dll文件夾，將D:\Resource\caffe\caffe-windows\Build\x64\Debug文件下全部的dll文件拷貝進dll文件夾中，並在屬性->配置屬性->調試->環境中添加：path=E:\qt\ImageRetrival\dll;再編譯便可。

　　 總結：上面的兩個是在新建項目中配置caffe出現最多的問題，固然也會有其餘的問題，這時就須要你根據具體的問題，查閱相關文檔或者本身調試，找出問題，對症下藥了。可能這須要花費不少時間，可是不要輕言放棄，相信最後都會解決的。我先後花費了一週多的時間，也是天天不想再調了，可是咬咬牙仍是堅持着去解決問題。最後，祝你們都能順利配置成功，若是有什麼問題能夠在下面給我留言，我必定依照個人經驗給你們一一解答，但願能幫到你們，少走一些彎路。

　　另外：有過有人對於如何在本身的工程裏面如何經過caffe加載你要用的網絡模型的話，我給你們提供一個連接，該連接對於如何經過caffe調用網絡模型提取特徵，以代碼的形式給予了詳細解答：http://blog.csdn.net/mr_curry/article/details/52456548，後續我會補上關於經過caffe調用網絡模型提取Mat類型特徵的相關預處理及後處理操做詳細代碼，好比設置與網絡模型要求相同的圖像大小，通道類型，加載並減去均值等預處理，以及後續的對高維度的特徵進行歸一化，最後保存到容器中後處理。歡迎你們一塊兒交流探討！