ncnn Windows10 64bit编译配置

阳光穿透心脏的1/2处 2022-03-18 07:12 404阅读 0赞

# 前言 #

本篇博客记录在Windows10 64bit上配置Tencent ncnn的过程，这里使用的Visual Studio版本为2015，CMake-3.14。**注意：** 这里配置的并不可以在VS中跟踪到cpp文件，这样的需要通过工程**添加源码配置**，**但是这样的安装方式并不是性能最优的**

安装参考文档：[Build for Windows x64 using Visual Studio Community 2017][]

# step1： protobuf编译 #

Protobuf的下载路径是：[protobuf][]。下载完成之后解压压缩包，之后打开**VS2015 x64本机工具命令提示符**  
![在这里插入图片描述][20190219223141462.png]  
之后进入压缩目录，执行如下命令：

mkdir build-vs2015
    cd build-vs2015
    cmake -G"NMake Makefiles" -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=%cd%/install -Dprotobuf_BUILD_TESTS=OFF -Dprotobuf_MSVC_STATIC_RUNTIME=OFF ../cmake
    nmake
    nmake install

出现这样便是安装成功：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21fYnVkZHk_size_16_color_FFFFFF_t_70]

# step2：编译ncnn #

解压下载下来的ncnn压缩包，进入ncnn目录创建build文件夹：

mkdir -p build-vs2015
    cd build-vs2015

这里需要注意的是依赖库和主项目，要使用同样的build type（Debug/Release）。这里都通过cmake的-DCMAKE\_BUILD\_TYPE=Release指定，这里选用的type是Release

cmake -G"NMake Makefiles" -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=%cd%/install -DProtobuf_INCLUDE_DIR=E:/VS_ncnn/protobuf/build_vs2015/install/include -DProtobuf_LIBRARIES=E:/VS_ncnn/protobuf/build_vs2015/install/lib/libprotobuf.lib -DProtobuf_PROTOC_EXECUTABLE=E:/VS_ncnn/protobuf/build_vs2015/install/bin/protoc.exe ..
    nmake
    nmake install

安装log：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21fYnVkZHk_size_16_color_FFFFFF_t_70 1]

# step3：VS2015配置 #

首先，新建Win32应用台控制程序，之后开始配置过程，配置**包含目录**：  
![在这里插入图片描述][20190219223307106.png]  
配置**库目录**：  
![在这里插入图片描述][20190219223320157.png]  
配置**Windows运行库目录**：  
![在这里插入图片描述][20190219223346253.png]  
配置**附加依赖项**：  
![在这里插入图片描述][20190219223359199.png]  
编写示例代码：

#include "stdafx.h"
    #include <opencv2\opencv.hpp>
    #include <map>
    #include <vector> 
    #include <algorithm> 
    #include <functional> 
    #include <cstdlib> 
    #include <iostream>
    #include <stdio.h>
    #include <stdlib.h>
    #include <net.h>
    
    static int detect_squeezenet(const cv::Mat& bgr, std::vector<float>& cls_scores)
    { 
    	ncnn::Net squeezenet;
    	squeezenet.load_param("E:/VS_ncnn/ncnn/examples/squeezenet_v1.1.param");
    	squeezenet.load_model("E:/VS_ncnn/ncnn/examples/squeezenet_v1.1.bin");
    
    	ncnn::Mat in = ncnn::Mat::from_pixels_resize(bgr.data, ncnn::Mat::PIXEL_BGR, bgr.cols, bgr.rows, 227, 227);
    
    	const float mean_vals[3] = {  104.f, 117.f, 123.f };
    	in.substract_mean_normalize(mean_vals, 0);
    
    	ncnn::Extractor ex = squeezenet.create_extractor();
    
    	ex.input("data", in);
    
    	ncnn::Mat out;
    	ex.extract("prob", out);
    
    	cls_scores.resize(out.w);
    	for (int j = 0; j<out.w; j++)
    	{ 
    		cls_scores[j] = out[j];
    	}
    
    	return 0;
    }
    
    static int print_topk(const std::vector<float>& cls_scores, int topk)
    { 
    	// partial sort topk with index
    	int size = cls_scores.size();
    	std::vector< std::pair<float, int> > vec;
    	vec.resize(size);
    	for (int i = 0; i<size; i++)
    	{ 
    		vec[i] = std::make_pair(cls_scores[i], i);
    	}
    
    	std::partial_sort(vec.begin(), vec.begin() + topk, vec.end(),
    		std::greater< std::pair<float, int> >());
    
    	// print topk and score
    	for (int i = 0; i<topk; i++)
    	{ 
    		float score = vec[i].first;
    		int index = vec[i].second;
    		fprintf(stderr, "%d = %f\n", index, score);
    	}
    
    	return 0;
    }
    
    int main()
    { 
    	std::string imagepath = "./test.jpg";
    	cv::Mat m = cv::imread(imagepath, CV_LOAD_IMAGE_COLOR);
    	if (m.empty())
    	{ 
    		std::cout << "cv::imread " << imagepath << " failed\n" << std::endl;
    		return -1;
    	}
    
    	std::vector<float> cls_scores;
    	detect_squeezenet(m, cls_scores);
    
    	print_topk(cls_scores, 3);
    
    	return 0;
    }

从网上搜索一张喵咪的图片进行测试得到测试结果：  
![在这里插入图片描述][20190219223433324.png]  
上面的分类在ImageNet中去查找对应的分类为：

<table> 
 <thead> 
  <tr> 
   <th>类别序号</th> 
   <th>分类描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>281</td> 
   <td>‘tabby, tabby cat’</td> 
  </tr> 
  <tr> 
   <td>282:</td> 
   <td>‘tiger cat’</td> 
  </tr> 
  <tr> 
   <td>285:</td> 
   <td>‘Egyptian cat’</td> 
  </tr> 
 </tbody> 
</table>

# 遇到的问题： #

1.  \_CRT\_SECURE\_NO\_WARNINGS，这类问题比较普遍自行解决就好了[链接][Link 1]

# 参考 #

1.  [Visual Studio上编译ncnn][Visual Studio_ncnn]  
    对于需要源码调试的请将src中源码配置到工程目录再做适当修改，这里偷懒就不写具体操作了，本人配置之后运行结果与链接库文件的结果一致，具体可以留言或是邮件交流，可以参考下面文章进行配置：
2.  [腾讯ncnn-20180129版本在windows+VS2013上调试运行][ncnn-20180129_windows_VS2013]
3.  [腾讯开源ncnn:示例程序运行][ncnn]

[Build for Windows x64 using Visual Studio Community 2017]: https://github.com/Tencent/ncnn/wiki/how-to-build#build-for-linux-x86
[protobuf]: https://github.com/google/protobuf/archive/v3.4.0.zip
[20190219223141462.png]: /images/20220318/77eb285b0524489da63b6838f4028a91.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21fYnVkZHk_size_16_color_FFFFFF_t_70]: /images/20220318/27f6cf30f0c54db68f21832f1a75e438.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21fYnVkZHk_size_16_color_FFFFFF_t_70 1]: /images/20220318/07dd042772e242348f5d0ce5af9e6f14.png
[20190219223307106.png]: /images/20220318/f2619df87dc64e5aa462ad91cd14d838.png
[20190219223320157.png]: /images/20220318/825438bd7f6f4c50bc8e5fe392169625.png
[20190219223346253.png]: /images/20220318/bd188ca1db3f45ad8b4bc8f5de8ce03a.png
[20190219223359199.png]: /images/20220318/e3cbc354cb8f43f889e4540c52deec13.png
[20190219223433324.png]: /images/20220318/744f01066cbf48e5b217c63eecaccba8.png
[Link 1]: https://www.cnblogs.com/wanghui1234/archive/2018/06/09/9158853.html
[Visual Studio_ncnn]: https://www.cnblogs.com/zjutzz/p/9284503.html
[ncnn-20180129_windows_VS2013]: https://blog.csdn.net/cuixing001/article/details/79279971
[ncnn]: https://blog.csdn.net/fuwenyan/article/details/76105574