[Deconv]|[cnn]Deep visualization toolbox安装

Deep visualization toolbox安装

• 参考教程

Deep Visualization toolbox使用方法

• Deep Visualization toolbox使用方法

Ubuntu18.04下安装opencv

1. 官网下载opencv（博主下载的是opencv-3.4.1）下载链接点此

   如图点击sources进行下载

2. 如图将压缩包解压到主文件目录

3. 解压好后进入opencv目录创建build文件夹

   #进入opencv目录
   cd opencv-3.4.1/
   #创建build文件夹 进入build文件夹
   mkdir build
   cd build
   

4. 安装依赖环境

   sudo apt-get install build-essential
   sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
   sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libjasper-dev libdc1394-22-dev
   #第三个安装失败没关系，这个是个可选依赖库
   

5. cmake

   参考opencv官方文档：链接点此

   cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
   

6. make

   make -j6
   #这里的 -j6指的是你的电脑可用的核心数，不填也没关系，使用下面命令，多核提升速率，建议使用更多核心
   sudo make
   

7. make install

   sudo make install
   

   完成安装

查看opencv版本

pkg-config --modversion opencv

博主也尝试过在pip3下直接安装opencv 虽然有显示opencv安装版本，但是总是报ModuleNotFoundError的错

以下代码

sudo apt install python3-pip
sudo apt install libopencv-dev
sudo pip3 install opencv-python

查看python安装路径

which python

ubuntu下查看gcc是否安装

gcc -v

ubuntu下查看cmake是否安装

cmake --version

Linux（博主仅在Ubuntu下实现过）下查看物理CPU个数、核数、逻辑CPU个数及查看CPU信息（型号）

# 总核数 = 物理CPU个数 x 每颗物理CPU的核数
# 总逻辑CPU数 = 物理CPU个数 x 每颗物理CPU的核数 x 超线程数

# 查看物理CPU个数
cat /proc/cpuinfo| grep "physical id"| sort| uniq| wc -l

# 查看每个物理CPU中core的个数(即核数)
cat /proc/cpuinfo| grep "cpu cores"| uniq

# 查看逻辑CPU的个数
cat /proc/cpuinfo| grep "processor"| wc -l

#查看CPU信息（型号）
cat /proc/cpuinfo | grep name | cut -f2 -d: | uniq -c

#查看内存信息
cat /proc/meminfo

pay attention! 命令行wc后接的符号为**-l（小写字母L）**

转自：https://www.cnblogs.com/emanlee/p/3587571.html 仅作为笔记使用

安装依赖库（二）

sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

安装Caffe

1. 下载caffe

   #在主文件目录下安装
   git clone https://github.com/BVLC/caffe
   

2. #进入caffe，将Makefile.config.example文件复制一份并更名为 Makefile.config 
   sudo cp Makefile.config.example Makefile.config
   

   复制一份的原因是编译 caffe 时需要的是 Makefile.config 文件，而Makefile.config.example 只是caffe 给出的配置文件例子，不能用来编译 caffe。

3. 修改 Makefile.config 文件，在 caffe 目录下打开该文件：

   sudo gedit Makefile.config
   

4. 去掉CPU_ONLY:= 1的注释

   原因：caffe在运行时，采用CPU计算。如果注释掉，即为默认的GPU,GPU计算速度约为CPU的四倍。GPU计算必须安装CUDA，而且对显卡有一定的要求。

5. 编译caffe

   make all
   make test
   make runtest
   

   报错：error hdf5.h

   解决：

   1. 打开Makefile.config 文件

      sudo gedit Makefile.config
      

   2. add the following lines in MakeFile.config：

      INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/ and
      LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial/

   3. 方法借鉴：https://blog.csdn.net/greenlight_74110/article/details/78568501

   报错：error leveldb/db.h

   原因：是因为缺少了google的kv数据库：leveldb

   解决：

   1. 下载leveldb

      git clone https://github.com/google/leveldb
      

   2. 安装依赖库

      sudo apt-get install libleveldb-dev
      

   报错：make: *** [.build_release/tools/upgrade_solver_proto_text.bin] Error 1

   解决：

   1. 在MakeFile.config下去掉# OPENCV_VERSION := 3的注释

   2. #要使用向Caffe OpenCV的3.X，你应该去掉这一行。
      sudo gedit Makefile.config
      

   报错：make: *** [.build_release/test/test_image_data_layer.testbin] Error 1

   解决：直接进行make runtest

6. 配置pycaffe

   1. 安装依赖库

      sudo apt-get install python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags Cython ipython
      sudo apt-get install protobuf-c-compiler protobuf-compiler
      

   2. 编译

      cd ~/caffe
      make pycaffe
      

   3. 添加caffe内python路径

      sudo gedit /etc/profile
      

   4. 在末尾添加： export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH

      pay attention：

      1. export PYTHONPATH=自己caffe文件夹下的python路径，一定要是自己的路径

      2. 用完整路径。不要用~

   5. 使之生效

      source /etc/profile 
      

   6. 测试是否可以引用：

      python
      import caffe
      

      报错：ModuleNotFoundError: No module named ‘numpy’

      解决：

      pip3 install numpy
      

      报错：ImportError: dynamic module does not define module export function (PyInit__caffe)

      原因：caffe不能很好的支持python3.6

      解决：

      1. 打开bashrc文件夹在

         sudo gedit ~/.bashrc把有关PYTHONPATH的路径注释掉，再加入											export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH
         

      2. 把有关PYTHONPATH的路径注释掉，再加入 export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH

   deep-visualization-toolbox可视化安装

   正菜开始

   1. caffe编译deconv-deep-visualization-toolbox分支

      #进入caffe根目录
      git remote add yosinski https://github.com/yosinski/caffe.git
      git fetch --all
      git checkout --track -b deconv-deep-vis-toolbox yosinski/deconv-deep-vis-toolbox
      git checkout --track -b  yosinski/deconv-deep-vis-toolbox
      git checkout --track -b deconv-deep-vis-toolbox
      #< edit Makefile.config to suit your system if not already done in Step 0 >
      make clean
      make -j6
      make -j6 pycaffe
      

      可能会报的错误：make: *** [python/caffe/_caffe.so] Error 1

      解决：检查Makefile_config里的PYTHON_INCLUDE的路径

   2. 安装依赖库

      sudo apt-get install python-opencv scipy python-skimage
      

   3. 下载并配置 Deep Visualization Toolbox code

      git clone https://github.com/yosinski/deep-visualization-toolbox
      cd deep-visualization-toolbox
      cp models/caffenet-yos/settings_local.template-caffenet-yos.py settings_local.py
      sudo gedit settings_local.py
      

      在打开settings_local.py文件中，有几处我们需要修改的文件路径，如下图：

      修改并保存后

      cd models/caffenet-yos/
      ./fetch.sh
      #等待下载
      cd ../..
      

   4. Run it !

      ./run_toolbox.py
      

   • 如果以上方法仍无法安装Deep visualization toolbox 参考”附“

附

• 如果以上方法仍无法安装Deep visualization toolbox参考以下：
  1. 下载pycharm
  2. 配置python文件为python2.7（python3以下都OK）
  3. 在pycharm下打开以上配置好的Deep visualization toolbox文件夹
  4. 打开run_toolbox.py再run
  5. 如果报错：缺什么下载什么
     • 下载方法： File -> Settings… -> Project: xxxxx ->Project Interpreter -> 右上角‘+’ -> 查找并下载你所需要的库
  6. run run_toolbox.py！

Ubuntu里设置python默认版本为python3（转载）

sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 100 
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 150