深度学习工具箱CAFFE在64位win7+VS2013环境下编译及运行

首先按照 joshua_1988 的两篇博客进行依赖库的配置和工程的创建

依赖库：/content/7159639.html

建立工程：/content/7159640.html

在这里说一下我跟原文有一些不同的地方：

依赖库

1. 根据我的经验，一定要用vs2013，虽然joshua_1988说2012应该也行，但是我尝试的时候发现caffe有一些用到c++11标准的地方，而vs2012对11标准支持较弱，会对一些11标准新加的东西报一些错，所以我后来还是装上了vs2013。而且要先装vs2013再装cuda，否则我发现在build configuration里没有启用cuda7.0的选项。

2. OpenBLas，joshua_1988用的0.2.14 for windows的openblas，官网上也有支持win平台的包。但是下载下来以后lib文件夹里并没有.lib文件，上文joshua_1988直接用的.dll.a文件，但是我用它却不成功。最后只好下了老一些的版本0.2.8的openblas发现里边有lib文件。

3. lmdb除了下载joshua_1988提到的三个文件，我记得我还额外下了一个inttypes.h。里边是一些#define。但是在编译的时候又会对这些define报错，我最后直接保留了这个头文件但是把内容注释掉了。

4. protobuf的库，直接build所有工程经常会失败几个，其实只要分别build这三个 libproto，libprotoc，protoc工程，生成需要的lib文件就可以了。

5. 在3rdparty/lib里并没有snappy64.lib文件。joshua_1988图中的libhdf5.lib和libhdf5_hl.lib在我这儿是 hdf5.lib和hdf5_hl.lib。记得debug的lib要自己改名加上d。在3rdparty/include中我还加入了openblas的include里的头文件。还加上了hdf5中hl里的头文件hdf5_hl.h以及同一个文件夹下的配套的h文件。

建立工程

1. 把linker中的input中的libopenblas.dll.a改为.lib

2. 手动把hdf5_hl.h加到工程里。在c/c++的general里的addtional include directories里加入了3rdparty\include\openblas。

3. 最好不要加caffe目录下的test和gtest源文件，否则会报很多错，而且gtest里还有个main，跟caffe.cpp里的main冲突。

下面是我在完成joshua_1988博客内容以后遇到的问题及解决方法，基本按我自己搞得顺序。

1. 在H5public.h中报错，找不到H5pubconf.h。这玩意儿隐藏在hdf5文件夹的cmake\build里，就在build目录下，是编译自动生成的，拷贝到3rdparty\include\hdf5中。我也是在这个时候手动把hdf5_hl.h添加到工程里的。

2. 编译时报错：std::max和std::min都报错，网上查因为windows.h的原因。在windows.h里微软自己实现了max和min，好像会造成冲突。

解决std::min和max的问题：1. 给std::max std::min变成(std::max) (std::min)注意：我这样做无效。
2. 用std::max<double>，参数是long double的，不知道用std::max<double>会不会损失精度。
3.
caffe.pb.h: float min() const;报错syntax error: ')'。解决办法：把FillerParameter中的min，max都改名，我改成了caffe_return_min/max。因为这个函数的作用就是返回类里的变量_min和_max。记得把引用的地方也改了，可以根据debug报错的位置来逐一改掉。
下边的语句会报 syntax error : 'constant'。
static const DimCheckMode STRICT
= V1LayerParameter_DimCheckMode_STRICT;
static const DimCheckMode PERMISSIVE
= V1LayerParameter_DimCheckMode_PERMISSIVE
[align=left]试了好几种改法，最后。。。。在STRICT和PERMISSIVE前加个_，也就是改个名字。= =不知道为啥，有懂得请留言。。[/align]
[align=left]4. 有一个地方（好像是caffe.pb.h还是cc来着）会报fileno这个函数是posix标准已抛弃，请用_fileno代替。结果我改成了_fileno他还是报错。最后追踪到unistd.h。。。有一句#define fileno _fileno。。坑爹啊！注释掉这句。[/align]
[align=left]5. 然后我在这里删掉了test和gtest的源代码，错误报的太多了。。。删掉了清爽很多。。[/align]
[align=left]6. 把boost，gflags，glog的bin路径都加到path里。其实准备依赖库的时候就可以加上了。各种bin都加到path就行了。[/align]
[align=left]7. 编译通过！！！不过运行会报丢失一堆dll，我遇到的基本可以在这篇文章中找到解决方法，尤其注意libgcc_s_sjlj-1.dll，我下了好多个才找到一个能用的。都放到system32就行。[/align]
[align=left]8. 已经可以运行！然后就是很多需要改代码的地方了，比如传参的路径\和/还有很多变量我发现运行的时候都没赋上值，这些都得自己一步一步追踪程序改代码。我也正在改，后续会更新。[/align]

====================2015年4月24日更新===================

1. 开始逐句调试，结果一开始就发现FLAGS_solver这个变量 没赋上值。想了一会儿，果断在main里直接赋给这个变量以solver文件的路径。

2. 还有一点，记得给argc和argv赋值，参数可以参考caffe/example下任一例子的sh文件中的传参。比如train_lenet.sh中这么写的

./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt

那么参数就是 ‘train’和'--solver=examples/mnist/lenet_solver.prototxt'，在windows下也直接给这俩参数就行。记得solver路径改成自己的。

3. caffe.cpp的main函数跳到caffe.cpp的train函数，然后到solver.cpp的Solve方法中，然后进行net.cpp的初始化。结果在data_layer的初始化就跪了。（补充一点！一定记得先准备好数据，我进行到这儿的时候才想起来mnist的数据我都没下，搞毛呢！你可以准备lmdb和leveldb的数据，最好也准备好图片格式的原始数据。原因后边说）

等我从实验室服务器上下载了mnist的leveldb和lmdb的数据以后，再运行程序，还是报错。注意原始prototxt里用的是leveldb的数据，然后我就报了一个

Debug Error!R6010-abort() has been called

的错。当时我就蒙圈了，没见过这样的啊，上网查，也没有什么解释的清楚地，就有人说好像是内存泄漏啊指针之类的问题。这尼玛我上哪找去。

3.1 然后我果断在prototxt里换成了lmdb数据，反正哥都有。然后运行，又报错，这回是程序自己assert了错。我一跟踪，mdb_strerror报出来的，那就是lmdb中函数运行中出问题了。又跟踪，发现mdb_env_open这个函数总是返回错误，再跟就是lmdb的lib文件了。然后我又上网查，看看有没有别人有解决办法，很少，貌似有说的但是没什么有价值的，还看到一个外国人写的说leveldb在windows下根本搞不起，lmdb还可以但是也要改源码。然后又看到说lmdb版本不同生成的数据不通用。我靠，然后我就跑去编译caffe/tools下的convert_imageset工具了，工程配置跟caffe的工程一样，搞出来以后还是在mdb_env_open报错。我崩溃了！！！

4. 折腾了好久，实在搞不好。一怒之下我把data_layer换成了imagedata_layer。直接用图片做输入！！然后我先用matlab把mnist的数据都恢复成了图片，并保存了一个txt记录文件名和label给iamgedata_layer用，一共7w张图片。

5. 关于imagedata_layer，我在这里犯了两个错误。一是我把transform_param的scale参数删了。我没仔细看imagedata层的参数（在caffe.proto）里，反正脑子一抽就给删了以为没有这个参数。第二是图片是单通道的，记得设一个参数是is_color: false，我一开始没设。这两个错误第一个致命的，导致我在后来折腾半天并且对整个caffe工程都开始质疑了。第二个算是强迫症。

6. 换了层以后开始跑，好高兴呀，data层终于初始化过了，其他层也没有问题。然后就开始跑，我就干别的了。过一会儿回来看 跑完了。卧槽。loss=87.3365，而且从第二个100轮开始就停留在loss=87.3365了。准确率10%。我三观差点就颠覆了。这有问题啊，然后我就开始跟踪代码，找啊，毫无结果，大半天都干这个了。最后都快绝望了，后来的事实证明！！！千万不要删掉scale参数。。。scale是用来把0-255的数据变成0-1的。。。删了这个归一化就是找抽。

7. ok，运行成功！有图有真相。



倒数第六行，准确率accuracy = 0.991~~~