caffe2 安装教程

前段时间贾扬清大牛在Facebook推出了caffe2版本，相比caffe来说感觉更加轻量级和高效。

Caffe2的安装相比于caffe在安装的时候更加简便，略去了Makefile.config的各种配置，对于有无GPU以及各种可选库例如OpenCV，anaconda的支持也更简单。（其实你直接装好库以后make就好，以GPU为例，在make的时候，自动检测你是否安装了CUDA，若没有，就自动CPU only）

在开始安装之前，附上caffe2的官方链接，官网对于安装还是讲的非常详细易懂。博主底下会给出安装之后具体截图，方便大家理解，当然对于大神们可以直接点链接然后略过后文了。
https://caffe2.ai/docs/getting-started.html?platform=ubuntu&configuration=compile

Caffe2 中基本计算单元之一是 Operators。每个 Operator 包含给定适当数量和类型的输入和参数来计算输出所需的逻辑。
Caffe 和 Caffe2 功能的总体差异如下图所示：

看到这段话，是不是更觉得像是tensorflow了？之前layer的概念被弱化，数据与操作完全分开，不就是tensorflow里面需要定义的tf.matmul和tf.Variable这类吗？
其次提出的workspace概念很像是tf中的Session：

# Create the input data
data = np.random.rand(16, 100).astype(np.float32)

# Create labels for the data as integers [0, 9].
label = (np.random.rand(16) * 10).astype(np.int32)

workspace.FeedBlob("data", data)
workspace.FeedBlob("label", label)

# Create model using a model helper
m = cnn.CNNModelHelper(name="my first net")
fc_1 = m.FC("data", "fc1", dim_in=100, dim_out=10)
pred = m.Sigmoid(fc_1, "pred")
[softmax, loss] = m.SoftmaxWithLoss([pred, "label"], ["softmax", "loss"])

最后还要说一点就是对Python的支持大大增强了，当然这也是深度学习的趋势。

一、依赖库的安装

装过caffe的这个应该都比较清楚

sudo apt update
sudo apt install -y --no-install-recommends \
      build-essential \
      cmake \
      git \
      libgoogle-glog-dev \
      libprotobuf-dev \
      protobuf-compiler \
      python-dev \
      python-pip                          
sudo pip install numpy protobuf

若版本为Ubuntu16.04，则安装libgflags-dev

sudo apt install -y --no-install-recommends libgflags-dev

若版本为Ubuntu14.04，则安装libgflags2

sudo apt-get install -y --no-install-recommends libgflags2

这两个不能搞混，否则安装会报错

其他的一些optional dependencies（ubuntu16.04与14.04均适用）

sudo apt-get install -y --no-install-recommends \
      libgtest-dev \
      libiomp-dev \
      libleveldb-dev \
      liblmdb-dev \
      libopencv-dev \
      libopenmpi-dev \
      libsnappy-dev \
      openmpi-bin \
      openmpi-doc \
      python-pydot
      sudo -H pip install --upgrade pip 

这里更新一下pip，否则后面pip安装jupyter有可能会报错

sudo pip install \
      flask \
      graphviz \
      hypothesis \
      jupyter \
      matplotlib \
      pydot python-nvd3 \
      pyyaml \
      requests \
      scikit-image \
      scipy \
      setuptools \
      tornado

二、安装

首先是Git

git clone --recursive https://github.com/caffe2/caffe2.git
cd caffe2
make

caffe2的好处就是makefile中会根据你的库进行make，省去了各种makefile.config的设置，不像caffe有的时候真的是会被CUDA还有各种库折腾很久。

之后：

cd build
sudo make install

可以用下面这行import Python:

python -c 'from caffe2.python import core' 2>/dev/null && echo "Success" || echo "Failure"

最后可以用来检测你的GPU是否安装成功，如果没有安装GPU，他会给以个warning说是CPU only，最后test pass。这样说明我们安装成功.

python -m caffe2.python.operator_test.relu_op_test

三、环境变量设置

临时变量设置（貌似重启失效）：

#修改环境变量
export PYTHONPATH=/usr/local:$PYTHONPATH
export PYTHONPATH=$PYTHONPATH:/home/lemon(user)/caffe2/build ##这里大家别忘记该路径
export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH

#查看环境变量是否修改成功
echo $PYTHONPATH
echo $LD_LIBRARY_PATH

具体设置更改对应shell的配置文件，一般来说

sudo vim /etc/profile

在最后加上

export PYTHONPATH=/usr/local:$PYTHONPATH
export PYTHONPATH=$PYTHONPATH:/home/lemon(user)/caffe2/build
export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH

参考：
http://blog.csdn.net/weierqiuba/article/details/71099349?utm_source=itdadao&utm_medium=referral