caffe是一个简洁高效的深度学习框架,具体介绍可以看这里http://caffe.berkeleyvision.org/,caffe环境配置过程可以参考这里:http://caffe.berkeleyvision.org/installation.html,我在搭建环境时搜集了许多资料,这里整理了一下,介绍一下caffe在无CUDA的环境下如何配置。
1. 安装build-essentials
安装开发所需要的一些基本包
sudo apt-get install build-essential
如果出现essential包不可用的情况,可以执行下列命令解决:sudo apt-get update
2. 安装ATLAS for Ubuntu执行命令:
sudo apt-get install libatlas-base-dev
注:ATLAS, MKL,或OpenBLAS都可以,我这里选择安装ATLAS
unzip /home/liuxiabing/下载/Install-OpenCV-master.zip
chmod +x *.sh
然后安装最新版本 (当前为2.4.10): 注:原来安装的是2.4.9,但这个版本存在bug,会出现这样的错误:NCVPixelOperations.hpp(51): error: a storage class is not allowed in an explicit specialization
解决该问题需要更换NCVPixelOperations.hpp,但现在这个hpp文件下载链接失效了,所以安装2.4.10版本最好,这个版本不存在任何bug,可以顺利安装成功。
sudo ./opencv2_4_9.sh
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler
sudo apt-get update
之后如果还存在问题,可以分开,一个一个单独安装,例如:sudo apt-get install libprotobuf-dev
sudo apt-get install libleveldb-dev
如果还是不能安装,可以在“Ubuntu软件中心-编辑-软件源”中的“更新”中选择前两个,即“重要安全更新”,“推荐更新”,其他都不选,之后在“其它软件”中选择后两个,即两个“独立”,其他都不选,然后运行命令:sudo apt-get update
sudo apt-get install python-dev python-pip
然后执行如下命令安装编译caffe python wrapper 所需要的额外包(注意:需要先进入目录/caffe-master/python/下,再执行这个命令):for req in $(cat requirements.txt); do sudo pip install $req; done
sudo pip install Cython
注:(1)如果requirements.txt中所有的包都成功安装了,则不再需要安装Anaconda了。
(2)安装完成后,可以查看一下当前用的是哪个Python,确保该python是系统自带的python,而不是Anaconda包中的python。查看命令:
which python
which pip
echoPYTHONPATH vi ~/.bashrc 打开bashrc之后,在最后一行添加下列语句:
- export PYTHONPATH=/home/liuxiabing/caffe-master/python
export PYTHONPATH=/home/liuxiabing/caffe-master/python
保存并退出之后,执行下列命令使之立即生效:
- sudo ldconfig
sudo ldconfig
之后,使用下列命令查看当前的PYTHONPATH内容:echoPYTHONPATH如果PYTHONPATH中是空的,需要在命令行执行一下下列命令:
- export PYTHONPATH=/home/liuxiabing/caffe-master/python
export PYTHONPATH=/home/liuxiabing/caffe-master/python
6. 安装matlab
Caffe提供了MATLAB接口, 有需要用MATLAB的同学可以额外安装MATLAB。 安装教程请自行搜索。
我安装的是matlabR2013b,直接按照教程安装即可。
7. 编译Caffe
完成了上述环境的配置,就可以编译Caffe了!
下载caffe安装包,下载地址:https://github.com/BVLC/caffe
解压该压缩包,解压缩命令:
- unzip /home/liuxiabing/下载/caffe-master.zip
unzip /home/liuxiabing/下载/caffe-master.zip
注:如果解压位置出错了,可以使用以下命令删除该目录及所有的子目录:
- sudo rm -rf caffe-master
sudo rm -rf caffe-master
进入caffe根目录, 首先复制一份Makefile.config,命令:
- cp Makefile.config.example Makefile.config
cp Makefile.config.example Makefile.config
然后修改里面的内容,主要需要修改的参数包括:
CPU_ONLY 是否只使用CPU模式,由于我没有NVIDIA的显卡,就没有安装CUDA,因此需要打开这个选项(即把前面的#去掉)。
其余的一些配置可以根据需要修改:
BLAS (使用intel mkl还是OpenBLAS,默认是atlas,如果安装的是atlas,就不用修改了)
MATLAB_DIR 如果需要使用MATLAB wrapper的同学需要指定matlab的安装路径, 如我的路径为 /usr/local/MATLAB/R2013b (注意该目录下需要包含bin文件夹,bin文件夹里应该包含mex二进制程序)我的MATLAB_DIR修改完是这样的:
- MATLAB_DIR := /usr/local/MATLAB/R2013b
- # MATLAB_DIR := /Applications/MATLAB_R2012b.app
MATLAB_DIR := /usr/local/MATLAB/R2013b
关于python的配置,我没有修改,直接使用默认的就行了。
DEBUG 是否使用debug模式,打开此选项则可以在eclipse或者NSight中debug程序
注:在Makefile.config中,”#”表示注释
完成上述设置后,开始编译(编译也是在/caffe-master目录下进行的):
make all -j4
make test
make runtest
注意:-j4 是指使用几个线程来同时编译,可以加快速度,j后面的数字可以根据CPU core的个数来决定,如果CPU是4核的,则参数为-j4,也可以不添加这个参数,直接使用“make all”,这样速度可能会慢一点儿。注:如果编译后出错了,修改完配置文件Makefile.config后重新编译,会提示“make 没有什么可编译的了”,可以试试这个方法:先运行命令
make clean
make all
make test
make runtest
在根目录下(/caffe-master)执行命令:
make matcaffe
make pycaffe
$ cd data/mnist
$ sudo sh ./get_mnist.sh
(2)重建LDB文件,就是处理二进制数据集为Caffe识别的数据集,以后所有的数据,包括jpe文件都要处理成这个格式,执行命令如下: $ sudo sh ./examples/mnist/create_mnist.sh
生成mnist-train-leveldb/ 和 mnist-test-leveldb/文件夹,这里包含了LDB格式的数据集# cd examples/mnist
# solver mode: CPU or GPU
solver_mode: CPU
sudo vi lenet_solver.prototxt
先进入命令模式,使用a进入编辑模式,修改完之后,使用esc退出编辑模式,进入末行模式,再使用“:wq”保存修改并退出(“:q!”为退出但不保存修改)
修改完成后,再在根目录下(即/caffe-master目录)执行下面的命令进行训练:
最终训练完的模型存储为一个二进制的protobuf文件,至此,Caffe安装的所有步骤完结。
注:如果进入到mnist目录下执行这个sh命令,会出现错误。即这样操作cd ./examples/mnist sudo sh ./train_lenet.sh会有一个caffe-master/.build_release/tool/caffe找不到或不存在的错误。
Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置说明
http://www.cnblogs.com/platero/p/3993877.html
CNN之Caffe配置
http://www.cnblogs.com/alfredtofu/p/3577241.html