网站建设中什么是一栏,东莞交易中心,网站策划方案书,网站建设优化保定ubuntu 系统下的Caffe环境搭建
对于caffe的系统一般使用linux系统#xff0c;当然也有windows版本的caffe#xff0c;不过如果你一开始使用了windows下面的caffe#xff0c;后面学习的过程中#xff0c;会经常遇到各种错误#xff0c;网上下载的一些源码、模型也往往不能…ubuntu 系统下的Caffe环境搭建
对于caffe的系统一般使用linux系统当然也有windows版本的caffe不过如果你一开始使用了windows下面的caffe后面学习的过程中会经常遇到各种错误网上下载的一些源码、模型也往往不能快速的跑起来因为貌似caffe的官方只提供了linux版本而且caffe在不断的快速迭代更新中如果不使用原版的话后面编译出现什么问题自己怎么错的自己都不知道。本篇博文主要讲解快速搭建caffe环境
电脑系统ubuntu 14.04
显卡GTX 850
在ubuntu下要完整的搭建caffe个人感觉最难的一步就是cuda的安装了特别是对于双显卡的电脑来说很容易黑屏、无法登陆图形界面这个我安装了n久都没装成功因为我的电脑笔记本双显卡每次装完cuda就黑屏网上的教程一大堆但都中看不中用导致我重装了二三十次的系统最后才成功。这里为了讲caffe的安装我们先不使用GPU进行安装测试因为没有GPU我们依旧可以跑caffe只是速度比较慢而已。
1、安装caffe所需要的依赖库
命令
sudo apt-get install libatlas-base-dev
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler
这些库要安装挺久的请耐心等待。 2、下载caffe。
到github上下载caffehttps://github.com/BVLC/caffe。下载完成后解压caffe源码包。解压后我们打开文件可以看到caffe的源码包如下 3、配置Make.config 文件。caffe文件解压后文件夹下面有一个Makefile.config.example文件我们需要对这个文件进行重命名为Make.config 。也就是去掉后缀example。然后我们打开这个文件可以看到如下内容 然后我们把#CPU_ONLY:1那一行的注释符号去掉CPU_ONLY:1。这是因为我们没有安装CUDA还不能使用gpu所以我们把配置改为只使用cpu。
4、编译caffe。
方案一:
(1)在完成Make.config配置后我们输入命令
make all
进行caffe源码编译.这一步有可能遇到如下错误:
caffe/proto/caffe.pb.h: No such file or directory
如果出现这个错误,那么输入命令:
protoc src/caffe/proto/caffe.proto --cpp_out.
mkdir include/caffe/proto
mv src/caffe/proto/caffe.pb.h include/caffe/proto
然后在进行make all 就可以了 (2)编译完成后在安装python接口输入命令 make pycaffe
这个如果不使用python接口调用caffe模型的话也可以不用安装不过建议还是搞一下就一句话的事。完事后我们会发现caffe源码目录下多了一个build文件这个文件下面有个tools打开这个文件夹 这个文件夹下面的工具可是个好东西啊以后我们会经常用到这些可执行文件最常用的就是可执行文件caffe我们只要调用这个工具就可以进行训练。
(3)接着编译test文件夹下面的源码。命令如下 make test
make runtest
采用这种方案一般没问题,不过我在使用c调用的时候,会使用到链接库:libcaffe.so.1.0.0-rc3,这种方法编译后没有生成这个文件;经过google查找,发现采用cmake编译,才会生成libcaffe.so文件
方案二:直接采用cmake: mkdir build
cd build
cmake ..
make all -j8 5、测试阶段 安装完了自然要测试一下能不能用咯。首先cd到caffe目录然后输入命令 sh data/mnist/get_mnist.sh
sh examples/mnist/create_mnist.sh
vim examples/mnist/lenet_solver.prototxt
把lenet_solver.prototxt里面的solver_mode 改为 CPU。因为我们还没装GPU暂时只使用CPU就好了。
然后我们运行脚本 ./examples/mnist/train_lenet.sh
这个时候如果成功的话就会开始跑起来 说明如果在使用caffe、或者编译安装caffe过程中出现如下错误 CXX/LD -o .build_release/tools/convert_imageset.bin
.build_release/lib/libcaffe.so: undefined reference tocv::imread(cv::String const, int).build_release/lib/libcaffe.so: undefined reference tocv::imencode(cv::String const, cv::_InputArray const, std::vector , std::vector const)那么请修改上面的Makefile文件不是Makefile.config LIBRARIES glog gflags protobuf leveldb snappy \
lmdb boost_system hdf5_hl hdf5 m \
opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs
也就是在libraries后面加上opencv的相关库文件。
接着就开始caffe搞起吧推荐个caffe模型网站https://github.com/BVLC/caffe/wiki/Model-Zoo。本来个人不是很喜欢caffe的就是因为这个网站吸引了我这个网站可以搞到好多caffe模型、源码非常适合于我们学习。
二、在Eclipse中使用编译调试caffe
1、首先就是安装Eclipse然后安装c开发插件这个可以百度搜一下eclipse下面怎么进行c开发。
2.导入caffe makefile工程到eclipse 由于是英文版下面描述也用英文省的翻译方便大家调试 1File→New→Project→C/C →Makefile Project with Existing Code. 2Create a new Makefile Project from existing code Projectname: caffe-master Existing code location/home/user/caffe-workspace/caffe-master Language: choose C and C Toolchain:choose Linux GCC 3Then click on caffe-master in Project Explorer (set Window→Open Perspective → C/C).
4Now go File → Properties → Run/Debug settings.Click New.., and choose C/C application 5Fill launch configurationproperties · Arguments: fill train –solverexamples/mnist/lenet_solver.prototxt and change working directory from default to /home/user/caffe-workspace/caffe-masterchange to your own directory (6)Now you can use debug caffe code: Run- Debug
三、C函数调用相关路径makefile CCgCXXFLAGS -O2 -Wall -D__STDC_CONSTANT_MACROS INCLUDE -I/usr/local/cuda/include -I. -I/usr/local/cuda/include -I/home/hjimce/caffe/include/ -I/home/hjimce/caffe/src/LIBRARY -L/usr/local/x86_64-linux-gnu/ -lprotobuf \-L/usr/lib/x86_64-linux-gnu/ -lglog \-L/usr/local/cuda/lib64/ -lcudart -lcublas -lcurand \-L/usr/local/lib/ -lm -lpthread -lavutil -lavformat -lavcodec -lswscale -lopencv_core -lopencv_imgproc -lopencv_highgui \-L/usr/lib/python2.7/config-x86_64-linux-gnu/ -lpython2.7 \-L/sur/lib32/ -lrt \-L../../caffe/build/lib/ -lcaffeall:$(CC) $(INCLUDE) $(OBJS) testcpp.cpp -o exercise $(LIBRARY)
windows下的caffe环境搭建
最近在ubuntu搞了一个月的caffe总感觉很不爽因为ubuntn下面的c集成开发工具eclipse用起来没有vs爽因为对caffe的函数名不是很熟悉所以需要借助vs的c助手。然后前一个月大部分也是调用pycaffe但是最近感觉需要对caffe的c函数比较熟悉才能把自己的能力进一步提高于是就开始搞起了windows 下的caffe借助vs的强大功能快速学习caffe。一开始采用vs2012最后各种错误最后改成vs2013很容易就编译成功了。
一、安装编译环境
1、 Visual studio2013 这个比较简单不写步骤了。
2、python 2.7.6 为了能使用python调用Caffe首先需要安装python这个也简单问度娘很多。注意两点
①安装的时候记得勾选pip这个工具很nice可以为你省很多不必要的麻烦
②安装完后设置好环境变量。可以再cmd命令中输入python检查如果不报错则恭喜。 接下来利用pip工具安装这几个包numpy、scipy、matplotlib、scikit-image、protobuf
在cmd命令行内输入pip install numpy即可其他几个类似。
3、matalb 这个安装过程比较慢也没什么需要注意的这里直接略去。
二、安装caffe
1、caffe源码包
下载地址https://github.com/Microsoft/caffe
2、编译配置 将下载的caffe-windows.zip进行解压并进入其根目录下的windows目录把这个CommonSettings.props.example文件复制到源目录一份然后重命名为CommonSettings.props。打开并修改其中的配置项。有几个需要注意的地方
①是否只是用cpu。如果你的电脑显卡支持GPU编程(是否支持可以去英伟达官网查询)那么可以配置为false。否则CpuOnlyBuild true
②是否使用cudnn加速
③是否使用python和matalb根据需要配置 ④如果配置了python和matlab这里需要把修改软件目录为自己电脑上的实际安装目录
⑤如果有cuda则把CudaVersion修改为自己电脑的cuda版本 3、项目编译 用Visual studio2013打开caffe-master\windows下的Caffe.sln文件进去后如下图共16个项目 1先生成【libcaffe】右键生成这里由于别的模块用到了libcaffe所以首先生成libcaffe
2再选择【解决方案Caffe】进行生成这里时间比较久因为Nuget会提示下载一些东西包括boost,opencv2.4.10,gflags,glog,hdf5,lmdb,LevelDB,OpenBLAS,protobuf等预编译的依赖包。过程有点慢多等会就ok。下载完成后会在caffe 的同级目录生成NugetPackages的文件。 如果中途编译失败出现错误不用紧张双击出现如下对话框确定然后保存重新编译即可。 4、运行 右 同时在Build\x64\下生成了很多exe和dll文件。这些工具在后面训练网络、测试时候很有用。 三、体验深度学习 终于到这了我们通过一个caffe自带的简单例子来体验一下caffe的网络训练和预测。 deep-learning属于有监督学习的一种一般步骤分为准备数据、训练模型和测试模型。我们下边也通过这三步来测试一个基于LeNet网络的学习模型。
1、准备训练数据
mnist数据集下载地址http://yann.lecun.com/exdb/mnist/
下载后解压到caffe-master目录中的\data\mnist内。分别在cmd下输入以下命令
.\Build\x64\Release\convert_mnist_data.exe .\data\mnist\mnist_train_lmdb\train-images.idx3-ubyte .\data\mnist\mnist_train_lmdb\train-labels.idx1-ubyte .\examples\mnist\mnist_train_lmdb
.\Build\x64\Release\convert_mnist_data.exe .\data\mnist\mnist_test_lmdb\t10k-images.idx3-ubyte .\data\mnist\mnist_test_lmdb\t10k-labels.idx1-ubyte .\examples\mnist\mnist_test_lmdb
将数据转化为caffe需要的输入格式。
2、训练模型
①修改模型参数
修改examples\mnist\lenet_solver.prototxt将最后一行改为solver_mode:CPU
修改examples\mnist\lenet_train_test.prototxt如下所示左面为原始的右面为修改后的。 ②训练模型训练完毕后会得到相应的准确率和损失率。
.\Build\x64\Release\caffe.exe train --solver.\examples\mnist\lenet_solver.prototxt
3、测试模型 最终训练的模型全职文件保存在example\minst\lenet_iter_10000.caffemodel文件中训练状态保存在example\minst\lenet_iter_10000.solverstate中。这两个文件都是PrototxtBuffer二进制格式。 利用训练好的模型权值文件可以测试数据集。运行如下命令
.\Build\x64\Release\caffe.exe test -model examples\mnist\lenet_train_test.prototxt -weights examples\mnist\lenet_iter_10000.caffemodel -iterations 100
到这整个caffe在windows上就安装完成了。下一节写Ubuntu下caffe的配置。
谢谢
任何程序错误以及技术疑问或需要解答的请添加
