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,参考安装配置说明http://blog.csdn.net/liuxiabing150/article/details/42503389,里面存在一些问题,现根据安装过程存在问题,整理安装文档资料如下:
1. 安装build-essentials
执行命令:
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
3. 安装OpenCV
这个尽量不要手动安装, Github上有人已经写好了完整的安装脚本:https://github.com/jayrambhia/Install-OpenCV下载该脚本,解压命令:
unzip /home/winsolider/Downloads/Install-OpenCV-master.zip
进入解压后的文件中的Ubuntu/2.4 目录, 给所有shell脚本加上可执行权限:
cd (解压目录)/Install-OpenCV-master/Ubuntu/2.4
chmod +x *.sh
然后安装OpenCV (有多个版本可选),例如安装2.4.9,执行命令:
sudo ./opencv2_4_9.sh
4. 安装其他依赖项
Ubuntu14.04用户执行
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
使用其它系统的可以参考官网介绍。
注:如果上述命令运行时,系统提示“存在依赖关系,不能安装之类的”,可以使用
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
之后再运行安装命令即可安装成功。
5. 安装python
安装pip和python-dev (系统默认有python环境的, 不过我们需要的使python-dev)
sudo apt-get install python-dev python-pip
6. 安装matlab
6.1 下载Matlab:http://pan.baidu.com/s/1pJGF5ov [Matlab2014a(密码:en52)]
6.2 挂载iso(需新建matlab_iso文件夹):
$ sudo mount -o loop MATHWORKS_R2014A.iso ~/matlab_iso
6.3 开始安装:
$ cd ~/matlab_iso
$ sudo ./install
6.4 选择”install manually without using the internet"项进行安装
6.5 输入"file installation key":12345-67890-12345-67890(随便都行)
6.6 激活:选择”license_405329_R2014a.lic”文件进行激活(在Crack文件夹下面)
6.7 将libmwservices.so复制到/usr/local/MATLAB/R2014a/bin/glnxa64中:
$ sudo cp libmwservices.so /usr/local/MATLAB/R2014a/bin/glnxa64/ libmwservices.so
6.8 创建matlab启动栏快捷方式:
打开软件中心,搜索matlab,点击install;
安装路径填入:
/usr/local/MATLAB/R2014a
用户权限不填,表示全部用户可用;gcc不填
7. 编译Caffe
7.1 下载caffe安装包
下载地址:https://github.com/BVLC/caffe,解压命令:
unzip /home/winsolider/Downloads/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
7.2 安装编译caffe python wrapper 所需要的额外包
(注意:需要先进入caffe解压目录/caffe-master/python/下)
cd (解压目录)/caffe-master/python
for req in $(cat requirements.txt); do sudo pip install $req; done
7.3安装完成后,打开bashrc,添加环境变量PYTHONPATH,相关命令如下所示:
echo $PYTHONPATH
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
保存并退出之后,执行下列命令使之立即生效:
sudo ldconfig
使用下列命令查看当前的PYTHONPATH内容:
echo $PYTHONPATH
如果PYTHONPATH中是空的,需要在命令行执行一下下列命令:
export PYTHONPATH=/home/Downloads/caffe-master/python
7.4 进入caffe根目录, 首先复制一份Makefile.config,命令:
cp Makefile.config.example Makefile.config
然后修改里面的内容,主要需要修改的参数包括:
CPU_ONLY 是否只使用CPU模式,由于我没有NVIDIA的显卡,就没有安装CUDA,因此需要打开这个选项(即把前面的#去掉)。
其余的一些配置可以根据需要修改:
BLAS (使用intel mkl还是OpenBLAS,默认是atlas,如果安装的是atlas,就不用修改了)
MATLAB_DIR 如果需要使用MATLAB wrapper的同学需要指定matlab的安装路径, 如我的路径为 /usr/local/MATLAB/R2014a (注意该目录下需要包含bin文件夹,bin文件夹里应该包含mex二进制程序)
我的MATLAB_DIR修改完是这样的:
MATLAB_DIR := /usr/local/MATLAB/R2014a
# MATLAB_DIR := /Applications/MATLAB_R2012b.app
关于python的配置,我没有修改,直接使用默认的就行了。
DEBUG 是否使用debug模式,打开此选项则可以在eclipse或者NSight中debug程序
注:在Makefile.config中,"#"表示注释
完成上述设置后,开始编译(编译也是在/caffe-master目录下进行的):
make all -j4
make test
make runtest
注意:-j4 是指使用几个线程来同时编译,可以加快速度,j后面的数字可以根据CPU core的个数来决定,如果CPU是4核的,则参数为-j4,也可以不添加这个参数,直接使用“make all”,这样速度可能会慢一点儿。
注:如果编译后出错了,修改完配置文件Makefile.config后重新编译,会提示“make 没有什么可编译的了”,可以试试这个方法:先运行命令
make clean
之后再运行命令:
make all
make test
make runtest
8.编译matlab wrapper
在根目录下(/caffe-master)执行命令:
make matcaffe
9.编译python wrapper
在根目录下(/caffe-master)执行命令:
make pycaffe
10.使用MNIST数据集进行测试
Caffe默认情况会安装在$CAFFE_ROOT,就是解压到的那个目录,例如:$ home/username/caffe-master,所以下面的工作,
默认已经切换到了该工作目录。下面的工作主要是测试Caffe是否工作正常,不做详细评估。具体设置请参考官网:
http://caffe.berkeleyvision.org/gathered/examples/mnist.html
(1)数据预处理
可以用下载好的数据集,也可以重新下载,直接下载的具体操作如下:
$ 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
(3)训练mnist
如果没有GPU,只有CPU的话,需要先修改examples/mnist目录下lenet_solver.prototxt文件,将solver_mode:GPU改为 solver_mode:CPU,修改后结果如下所示:
# solver mode: CPU or GPU
solver_mode: CPU
修改时可以使用vi编辑命令(ubuntu14.0.4下也可以直接双击打开,修改后保存即可),如果是只读文件,不能编辑,可以用sudo命令,比如:
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:
$ sudo sh ./examples/mnist/train_lenet.sh
最终训练完的模型存储为一个二进制的protobuf文件,至此,Caffe安装测试的所有步骤完结。