caffe随记(十)---DeepLabV2安装过程


1.下载DeepLabV2的code

https://bitbucket.org/aquariusjay/deeplab-public-ver2,

这个网址是作者提供的官方页面


进入这个页面之后点击download,然后进入下载页面


下载之后就是这个压缩包

2.下载pretrained model


这个也就在刚刚那个页面就有,点击here进入models的界面,这里面有很多,我选用的是最下面的:


VGG16model,点击进入下载页面,下载之后得:


打开看一下里面的内容


里面就是一些caffemodel和prototxt

这些prototxt你可以用写字板打开看一下熟悉一下里面写的是什么,

根据网页里面的描述应该是在PASCAL VOC 2012的数据上的caffemodel


3. 实验配置



不过好像前两个link现在都失效了,这里我分享一下:

 

由于我是用windows下载的,所以现在把我下载的东西都用linux的scp命令给copy到服务器上去。scp命令请自行百度,

然后我把aquariusjay…那个名字很长的文件夹顺便改了名字,就叫DeepLabV2

先来安装matio,进入到matio-1.5.2文件夹,(这个文件夹我就是放在我的根目录下的/home/Teeyo /matio-1.5.2)

$ cd matio-1.5.2

$ ./configure

$ make

$ make check

$ make install

我在make和make check的时候遇到了一个问题


就是说 autom4te:command not found,
然后解决方案是:安装autoconf这个包,由于我没有管理员权限,我就让我的师兄给我装了一下:


Dell是师兄的账号,然后给系统里装了autoconf这个包,这个问题就能解决到,
make check就能通过

-------------------------------------------------------------------------------------------------------------

-------------------------------------------------------------------------------------------------------------

 

make check通过之后,我们继续输入make install,然后又报错:


意我红圈中的内容,告知我没有权限……那么我输入:
./configure --prefix=/home/Teeyo/matio
这句命令就是说我把安装的位置更改为我自己Teeyo的目录下,这样就不需要root权限了

我的这个命令就是让matio安装到Teeyo下matio这个文件夹中,


然后再makeinstall 就ok了,


这是我截取的部分内容,可以看到原来报错的位置,现在没有报错了,因为刚刚这里的文件安装的路径已经改到了/home/Teeyo/matio/lib里面去了


这时候我们再回到Teeyo目录下,发现多了一个matio文件夹,红圈所示:



这因为我刚刚把安装路径设置为这里,那么我们再进去看一下:



那么matio的安装至此就搞定了。

-------------------------------------------------------------------------------------------------------------

-------------------------------------------------------------------------------------------------------------


要注意的问题,我的matio是安装在  /home/Teeyo/DeepLabV2/matio
所以:
在DeepLabV2 的 Makefile.config 中的INCLUDE_DIRS 中添加 matio 的 src路径,
文件夹本身没有Makefile.config文件,所以就自己把那个example复制并更名
cp Makefile.config.example  ./Makefile.config 


vimMakefile.config

 LIBRARY_DIRS 中添加 引用和库(蓝色字体是我们这次要添加的,直接在原来的后面写就ok)

 

INCLUDE_DIRS:= $(PYTHON_INCLUDE) /usr/local/include  /home/Teeyo/ matio/include

LIBRARY_DIRS:= $(PYTHON_LIB) /usr/local/lib /usr/lib  /home/Teeyo/ matio/lib

要注意的第二个问题,环境变量的增加:
vim ~/.bashrc 

在最后一排打上我图里的这段话

-------------------------------------------------------------------------------------------------------------
-------------------------------------------------------------------------------------------------------------

然后matio的编译和安装基本上就ok了,下面开始DeepLabV2的编译:

make clean

make  –j32  //这里的-j32是因为我的计算机支持32线程,一般的话写成-j8就行

make test –j32

make pycaffe

make pytest

 

在第一次make的时候,会报错:


/include/caffe/common.cuh(9):error: function "atomicAdd(double *, double)" has already beendefined

原因是CUDA 8.0 提供了对atomicAdd函数的定义,但atomicAdd在之前的CUDAtoolkit中并未出现,因此一些程序自定义了atomicAdd函数。

 

解决方法:打开./include/caffe/common.cuh文件,在atomicAdd前添加宏判断即可。     

#if !defined(__CUDA_ARCH__) || __CUDA_ARCH__ >= 600

#else

   static __inline__ __device__ doubleatomicAdd(double* address, double val)

   {

      ...

   }

#endif

这个问题就解决了

-------------------------------------------------------------------------------------------------------------

-------------------------------------------------------------------------------------------------------------



然后再看下面另一个问题:

这是忘了开opencv的开关了,就还是到Makefile.config里面去,打开开关:


(我用的是OPENCV3)

顺便把CUDNN的开关也打开


-------------------------------------------------------------------------------------------------------------

-------------------------------------------------------------------------------------------------------------

然后再来 make clean,再来make all,又出现以下问题:



然后回到DeepLabV2这个根目录下,

cd .build_release/src/caffe/util/  来这个文件夹看看


发现的确是没有找到math_functions.o这个东西,然后我查了很久初步判定是CUDNN兼容的问题

作者配置环境是cuDNN 4.0,但是5.0版本后的cuDNN接口有所变化,


我做了如下改变:

把我的DeepLabV2/include/caffe/util/cudnn.hpp用github上最新的caffe同样目录下的hpp替换了!

即是我去网上github的把 caffe-master/include/caffe/util/cudnn.hpp拿到我的DeepLabV2来替换了刚刚那个文件,然后make clean 然后make all:

当然因为问题还没有解决完,还是没有通过,但是这一次math_functions.o出现了!!!



如图,而在之前我这个里面是没有的,所以我刚刚的改动证明是有用的!!!

 

最终解决方案:


然后这次进行编译,就不会出现error了,只会出现一些warning,不影响后面的使用。

我的博客即将同步至腾讯云+社区,邀请大家一同入驻。


### 回答1: 安装caffe-ssd-gpu在ubuntu18.04的步骤如下: 1. 安装CUDA:从Nvidia官网下载合适的CUDA安装包,按照官方文档的指引进行安装。 2. 安装依赖:运行以下命令安装所需依赖库: ``` sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev \ libopencv-dev libhdf5-serial-dev protobuf-compiler \ libgflags-dev libgoogle-glog-dev liblmdb-dev libboost-all-dev ``` 3. 下载caffe-ssd-gpu源码并编译:从Github上下载caffe-ssd-gpu的源码,按照官方文档指引进行编译。编译时需要指定编译选项为GPU模式。 4. 运行测试:安装完成后,运行测试脚本,确保安装配置成功。 以上为简要步骤,具体操作请参考对应文档和官方指引。 ### 回答2: Ubuntu18.04是目前比较常见的Linux操作系统之一,而CAFFE-SSD-GPU是深度学习的一个工具。下面是安装caffe-ssd-gpu的步骤: 1. 安装CUDA和cuDNN 首先,您需要安装CUDA和cuDNN,这是运行深度学习框架所需的必备组件。下载安装CUDA和cuDNN之前,您需要查看您的图形卡的型号,以便选择正确的CUDA版本和cuDNN版本。 在下载安装CUDA和cuDNN之前,您需要在NVIDIA的开发者网站上注册自己,并下载适用于您机器的CUDA和cuDNN版本。此外,您还需要在命令行界面中设置以下环境变量: export PATH=/usr/local/cuda-8.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH 2. 安装依赖项 在安装caffe之前,需要安装一些依赖项。您可以使用以下命令将这些依赖项安装到您的Ubuntu系统上: sudo apt-get update sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev protobuf-compiler gfortran libjpeg62 libfreeimage-dev libatlas-base-dev git python-dev python-pip libgoogle-glog-dev libbz2-dev libxml2-dev libxslt-dev libffi-dev libssl-dev libgflags-dev liblmdb-dev python-yaml python-numpy python-scipy 3. 下载安装CAFFE 现在,您需要在您的系统上下载安装CAFFE。从github上获取caffesource代码并进行安装: git clone https://github.com/weiliu89/caffe.git cd caffe git checkout ssd 4. 编译和安装CAFFE 使用以下命令编译和安装caffe: cp Makefile.config.example Makefile.config make all -j $(($(nproc) + 1)) make pycaffe 执行该命令后,您需要等待一段时间才能完成CAFFE的编译。如果出现任何编译错误,请检查您的CUDA和cuDNN版本是否正确,并重新安装依赖项。 5. 使用CAFFE-SSD-GPU 现在,您已经成功地在Ubuntu18.04操作系统上安装并编译了CAFFE-SSD-GPU,您可以开始使用该工具来执行深度学习任务了。 总结 安装CAFFE-SSD-GPU需要充分理解linux的命令行操作。需要先确认CUDA和cuDNN已经安装,并正确设置环境变量。然后需要下载安装CAFFE, 并最后编译和安装CAFFE。在安装过程中如果存在问题,可以查看错误日志,重新检查步骤。如果对命令行操作不熟悉,则先学习linux基础操作。 ### 回答3: caffe-ssd-gpu是一种基于caffe框架的用于实现目标检测的神经网络模型,在Ubuntu18.04系统中安装caffe-ssd-gpu需要进行以下步骤: 1. 安装CUDA CUDA是NVIDIA公司推出的用于高性能计算的并行计算平台和编程模型,是使用GPU进行深度学习任务所必需的。在Ubuntu18.04上安装CUDA需要首先确认自己的显卡型号,并选择合适的CUDA版本进行安装。可以在NVIDIA官网上下载相应的CUDA安装包,也可以通过命令行方式进行安装。在安装过程中注意要按照提示完成相应的配置和设置。 2. 安装cuDNN cuDNN是用于深度神经网络的GPU加速库,也是必需的组件之一。在安装过程中同样需要确认CUDA的版本和自己的显卡型号,并下载相应的cuDNN安装包进行安装。 3. 安装依赖包 在安装caffe-ssd-gpu前需要先安装几个依赖包,包括protobuf、opencv、boost等。可以通过命令行方式进行安装,例如: ``` 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 ``` 4. 下载caffe-ssd-gpu源码 可以在GitHub上找到caffe-ssd-gpu的源码,下载后解压到自己想要的目录下。 5. 编译和安装caffe-ssd-gpu 进入caffe-ssd-gpu源码目录下,执行以下命令: ``` cd caffe-ssd-gpu mkdir build cd build cmake .. make all -j8 make install ``` 其中,make all -j8表示使用8个线程进行编译,提高编译速度。make install表示安装编译好的caffe-ssd-gpu库文件和可执行文件。 6. 测试安装是否成功 可以尝试运行caffe-ssd-gpu自带的测试程序,检查安装是否成功。在源码目录下执行以下命令: ``` ./build/tools/caffe time --model=models/VGGNet/VOC0712/SSD_300x300_ft/deploy.prototxt --gpu=0 ``` 这条命令会测试caffe-ssd-gpu在GPU上执行推断的速度,如果没有问题,则说明安装成功。 需要注意的是,在安装过程中可能会遇到各种问题,例如依赖包的版本不兼容、CUDA和cuDNN的配置出错等等。这时候需要耐心调试错误,逐个解决问题,才能确保caffe-ssd-gpu能够正常运行。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值