【边喝caffee边Caffe 】(一)Caffe的安装

Caffe的安装还挺麻烦,尤其我最后选择的是在windows上安装,真心不容易。

Caffe在ubuntu的安装相对简单一点,资料也很多,以后安装了再写出安装过程。

这是一些可以参考的Caffe在windows上的安装过程。


https://github.com/happynear/caffe-windows

https://github.com/niuzhiheng/caffe

http://blog.csdn.net/fengbingchun/article/details/47905907

http://www.bubuko.com/infodetail-902302.html

https://initialneil.wordpress.com/2015/01/11/build-caffe-in-windows-with-visual-studio-2013-cuda-6-5-opencv-2-4-9/#comment-48

http://www.aiuxian.com/article/p-2410195.html


如果你已经感觉头大了,没关系,亲爱的microsoft帮我们整理了一个caffe的版本,简直就是一键安装。

项目地址 https://github.com/Microsoft/caffe?url_type=39&object_type=webpage&pos=1

我的安装环境 VS2013 + Win7 64位


简述一下安装过程。


1.假设你解压后目录叫做caffe-microsoft

那么将 caffe-microsoft\windows\CommonSettings.props.example复制一份叫做 caffe-microsoft\windows\CommonSettings.props,也就是我们需要的配置文件。

打开进行编辑,建议用notepad++编辑。

配置很简单,基本照着看就能猜到都是做什么的。




自己选择是使用cpu_only模式还是使用CUDA。CPU only就是仅仅使用cpu,如果使用GPU的话就需要安装Cuda的驱动,配置相关版本。

后来选择是否编译python和matlab。

如果使用了CUDNN,则配置相关路径。



对于python和matlab也是一样的。



因为我的python安装的32位,无法编译,所以没有开启对matlab和python的支持。需要的可以自己参考https://github.com/Microsoft/caffe?url_type=39&object_type=webpage&pos=1,写的已经相当详细了。

顺便提示一局,如果你开启python支持,但是编译报错如下

那么应该是你的python不是64位的。考虑重新装一下。



2.你需要做的就是打开caffe-microsoft\windows\Caffe.sln,进入VS2013工程,然后编译,他会自己下载一大堆的依赖库,在caffe-microsoft的父目录里,会生成一个NugetPackages目录,装的就是各种依赖库。一切完成后,生成就好了。


对于C++接口的使用,可以参照caffe-microsoft\examples\cpp_classification\classification.cpp


整个过程很简单~


PS.感兴趣的可以看看这个工程里的各种配置文件,个人觉得简直是艺术,可以好好学习一下。


### 回答1: 将PyTorch模型转换为Caffe模型的主要原因可能是因为Caffe在某些领域具有优势,例如在嵌入式设备上的部署。Caffe是一个轻量级的框架,适用于在移动设备或低功耗设备上运行。另外,某些硬件加速器(如NVIDIA的TensorRT)也支持Caffe模型的部署。因此,如果需要将模型部署到这些硬件上,将PyTorch模型转换为Caffe模型可能是有意义的。 ### 回答2: 将PyTorch模型转换为Caffe主要有以下几个原因: 1. 平台兼容性:Caffe是一款广泛使用的深度学习框架,拥有大量的用户和应用案例。将PyTorch模型转换为Caffe格式可以使模型在Caffe平台上运行,便于与其他Caffe用户进行交流和分享。同时,Caffe支持多种硬件平台,如CPU和GPU,可以提供更大的灵活性和可移植性。 2. 部署效率:Caffe是一个高效的深度学习框架,拥有高度优化的计算和内存管理,适用于快速、有效的部署。通过将PyTorch模型转换为Caffe,可以获得更好的推理性能,在一些资源有限的场景中能够更快速地进行模型推理。 3. 模型优化:转换为Caffe格式后,可以利用Caffe提供的一些模型优化工具。例如,Caffe提供了网络剪枝和量化算法,可以减少模型的参数和计算量,提高模型的推理速度和效率。另外,Caffe还支持模型融合和层级特征提取等技术,可以对模型进行更深入的性能优化。 需要注意的是,将PyTorch转换为Caffe并不是一项简单的任务,因为两个框架的计算图和模型定义方式存在差异。转换过程需要考虑到各种层次的差异,如网络结构、参数传递和激活函数等。因此,转换的过程可能需要一些手动的调整和微调,才能保持模型的正确性和性能。
评论 1
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