caffe安装

通用的依赖库

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev

cuda

1.在NVIDIA官网下载最新版本cuda_7.5.18_linux.run

chmod +x ./cuda_7.5.18_linux.run
./cuda_7.5.18_linux.run --extract=~/Desktop

得到三个单独的安装包:
NVIDIA显卡驱动:NVIDIA-Linux-x86_64-352.39.run
cuda安装包:cuda-linux64-rel-7.5.18-19867135.run
cuda例程安装包:cuda-samples-linux-7.5.18-19867135.run
如果集成的显卡驱动版本过低,可在官网单独下载。
2.禁用自带的nouveau显卡驱动

sudo gedit /etc/modprobe.d/blacklist.conf
#在文件中添加blacklist nouveau
#保存并退出,重启

3.安装NVIDIA显卡驱动
ctrl+alt+F1进入tty,登录后进入安装包所在目录

sudo stop lightdm
chmod +x ./NVIDIA-Linux-x86_64-352.39.run
sudo ./NVIDIA-Linux-x86_64-352.39.run
sudo start lightdm

4.安装cuda
进入安装包所在路径

chmod +x ./cuda-linux64-rel-7.5.18-19867135.run
sudo ./cuda-linux64-rel-7.5.18-19867135.run

5.添加环境变量

#打开配置文件
sudo gedit /etc/profile
#在文件最后添加
#PATH=/usr/local/cuda-6.5/bin:$PATH
#export PATH
#保存并退出,执行下列命令,使更改立即生效
source /etc/profile

6.添加lib库路径

#创建配置文件
sudo gedit /etc/ld.so.conf.d/cuda.conf
#在文件中输入
#/usr/local/cuda-7.5/lib64
#保存并退出,执行下列命令,使更改立即生效
sudo ldconfig

opencv

ffmpeg移出了ubuntu14.04的官方库,因此无法用apt-get到ffmpeg及相关库,需要手动添加PPA,ubuntu15.04无需进行这步操作。

sudo add-apt-repository ppa:mc3man/trusty-media
sudo apt-get update

Github上有人已经写好了opencv完整的安装脚本

cd ~/caffe
git clone https://github.com/jayrambhia/Install-OpenCV
cd Install-OpenCV/Ubuntu/2.4
sudo sh ./opencv2_4_10.sh

opencv249编译中可能会有以下错误

Generating precomp.hpp
[ 15%] nvcc fatal   : Unsupported gpu architecture 'compute_11'
CMake Error at cuda_compile_generated_matrix_operations.cu.o.cmake:208 (message):
  Error generating
  /home/hiki/caffe/Install-OpenCV/Ubuntu/2.4/OpenCV/opencv-2.4.9/build/modules/core/CMakeFiles/cuda_compile.dir/__/dynamicuda/src/cuda/./cuda_compile_generated_matrix_operations.cu.o

解决方法
- 在opencv2_4_9.sh中的cmake添加”-D CUDA_GENERATION=Kepler”;
- 或者按照opencv2_4_10.sh的cmake设置显卡架构,暂未测试可行性。


BLAS

caffe默认配置的BLAS是ATLAS,也可以安装OpenBLAS或者MKL获得更好的性能。

 sudo apt-get install libatlas-base-dev

matlab

  1. 将iso文件挂载到ubuntu上:右键iso文件 -> Open With -> Disk Image Mounter;
  2. 进入挂载目录,如:cd /media/hiki/MATHWORKS_R2014B/
  3. 安装:sudo ./install
  4. 安装时选择离线安装,序列号见crack目录下readme.txt;
  5. 激活时选择离线激活,激活文件见crack目录下license.lic;
  6. 将crack目录下libmwservices.so复制到/usr/local/MATLAB/R2014b/bin/glnxa64/下,替换已有文件:sudo cp libmwservices.so /usr/local/MATLAB/R2014b/bin/glnxa64/
  7. 安装matlab support:sudo apt-get install matlab-support
  8. 运行matlab:sudo matlab

caffe

1.安装依赖库

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

2.编译

cd ~/caffe
unzip caffe-master.zip
cd caffe-master
cp Makefile.config.example Makefile.config
make all -j4
#注意 -j4 是指使用几个线程来同时编译

3.测试

cd ~/caffe/caffe-master
sh data/mnist/get_mnist.sh
sh examples/mnist/create_mnist.sh
time sh examples/mnist/train_lenet.sh

可以在 ~/caffe/caffe-master/examples/mnist/lenet_solver.prototxt 文件中运行 CPU 版本或者 GPU 版本。修改最后一行, solver_mode: CPU 或者 solver_mode: GPU

【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
1、资源项目源码均已通过严格测试验证,保证能够正常运行;、 2项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
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