关闭

caffe + ubuntu15.04 安装教程

标签: 深度学习
963人阅读 评论(0) 收藏 举报
分类:

一、需要安装的软件

并行编程与计算平台

1、cuda-repo-ubuntu1504-7-5-local_7.5-18_amd64.deb

2、Mathworks.Matlab.R2014a.Unix.iso

3、parallel_studio_xe_2015.tar.gz

4、cudnn-7.0-linux-x64-v3.0-rc.tgz

5、caffe-master  (https://github.com/BVLC/caffe)

6、glog-0.3.3.tar.gz


二、安装ubuntu

caffe 不能配置在虚拟机上,有的小伙伴为了省事,会将ubuntu部署在虚拟机上,就会导致安装cuda后重启就不能进入图形界面。因为cuda与硬件直接相关,所以必须安装在物理机上(博主就在这边死了好多次大哭)。

在安装ubuntu时需要注意的是磁盘分配,因为后期深度学习的数据集据说会很大,所以我们尽量给ubuntu多分配一点磁盘空间,我分配了500G。

根分区:/ 50G

swap交换分区:swap 12G (若电脑内存小于16G,设置成1.5~2倍,否则 ,等于电脑内存)

home分区 :剩余空间

三、nVidia 驱动和CUDA Toolkit 安装(*.deb 方法)

1、CUDA Repository

获取CUDA安装包,安装包请自行去NVidia官网下载。

cuda下载链接:https://developer.nvidia.com/cuda-toolkit-archive

2、CUDA Toolkit

3、Environment Variables

对于Caffe的安装严格遵照官网的要求来:http://caffe.berkeleyvision.org/installation.html

1、安装BLAS

这里可以选择(ATLAS,MKL或者OpenBLAS),我这里使用MKL,首先下载并安装英特尔® 数学内核库 Linux* 版MKL,下载链接是:https://software.intel.com/en-us/intel-education-offerings, 请下载Student版,先申请,然后会立马收到一个邮件(里面有安装序列号),打开照着下载就行了。下载完之后,要把文件解压到home文件夹(或直接把tar.gz文件拷贝到home文件夹,为了节省空间,安装完记得把压缩文件给删除喔~),或者其他的ext4的文件系统中。

接下来是安装过程,先授权,然后安装:

2、MKL与CUDA的环境设置

1. 新建intel_mkl.conf, 并编辑之:

/opt/intel/lib/intel64

/opt/intel/mkl/lib/intel64

2. 新建cuda.conf,并编辑之:

/usr/local/cuda/lib64

/lib

3. 完成lib文件的链接操作,执行:

3、安装OpenCV 3.0.0

1. 下载并编译OpenCV(官网原版OpenCV:http://opencv.org/), 或者使用本站提供的修改版的安装包 Install-OpenCV-master (下面的安装方式使用该包完成,安装包修改了dependencies.sh文件并增加了OpenCV 3.0.0的安装文件,同时保留了原来的2.3x和2.4x版)

2. 切换到文件保存的文件夹,然后安装依赖项:

3. 切换目录Ubuntu\3.0\安装OpenCV 3.0.0rc1:

保证网络畅通,因为软件需要联网这里时间较长,请耐心等待。。。,

4、安装其他依赖项

1. Google Logging Library(glog),下载地址:https://code.google.com/p/google-glog/,然后解压安装:

如果没有权限就chmod a+x glog-0.3.3 -R , 或者索性 chmod 777 glog-0.3.3 -R , 装完之后,这个文件夹就可以kill了。

2. 其他依赖项,确保都成功

5、安装Caffe并测试

1. 安装pycaffe必须的一些依赖项:

2. 安装配置nVidia cuDNN 加速Caffe模型运算

a. 安装cuDNN

这里需要安装 cudnn-7.0-linux-x64-v3.0-rc.tgz, 否则会报错

b. 链接cuDNN的库文件

3. 切换到Caffe-master的文件夹,生成Makefile.config配置文件,执行:

4. 配置Makefile.config文件(仅列出修改部分)

a. 启用CUDNN,去掉"#"(目前caffe-master仍然只支持R1版本)

USE_CUDNN := 1

b. 启用GPU,添加注释"#"

# CPU_ONLY := 1

c. 配置一些引用文件(增加部分主要是解决新版本下,HDF5的路径问题)

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/lib/x86_64-linux-gnu/hdf5/serial/include

LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial

d. 启用Intel Parallel Studio XE 2015 Professional Edition for C++ Linux

BLAS := mkl

e. 配置路径,实现caffe对Python和Matlab接口的支持

PYTHON_LIB := /usr/local/lib

MATLAB_DIR := /usr/local/MATLAB/R2014a

5. 配置Makefile文件(实现对OpenCV 3.x的支持)(不是Makefile.config)

查找“Derive include and lib directories”一节,修改“LIBRARIES +=”的最后一行,增加opencv_imgcodecs

opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs

6. 编译caffe-master!!!"-j8"是使用CPU的多核进行编译,可以极大地加速编译的速度,建议使用。

编译Python和Matlab用到的caffe文件

6、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,用于测试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

2. 重建lmdb文件。Caffe支持三种数据格式输入网络,包括Image(.jpg, .png等),leveldb,lmdb,根据自己需要选择不同输入吧。

生成mnist-train-lmdb 和 mnist-train-lmdb文件夹,这里包含了lmdb格式的数据集

3. 训练mnist

至此,Caffe安装的所有步骤完结,下面是一组简单的数据对比,实验来源于MNIST数据集,主要是考察一下不同系统下CPU和GPU的性能。可以看到明显的差别了,虽然MNIST数据集很简单,相信复杂得数据集,差别会更大,Ubuntu+GPU是唯一的选择了。


 caffe中安装build-essential提示包损坏解决方法

sudo apt-get update
sudo apt-get upgrade
sudo apt-get install build-essential -f
2.

3. make runtest -j8   error

[  FAILED  ] 7 tests, listed below:
[  FAILED  ] SGDSolverTest/0.TestSnapshotShare, where TypeParam = caffe::CPUDevice<float>
[  FAILED  ] AdaGradSolverTest/0.TestSnapshotShare, where TypeParam = caffe::CPUDevice<float>
[  FAILED  ] NesterovSolverTest/0.TestSnapshotShare, where TypeParam = caffe::CPUDevice<float>
[  FAILED  ] AdaDeltaSolverTest/0.TestSnapshotShare, where TypeParam = caffe::CPUDevice<float>
[  FAILED  ] AdamSolverTest/0.TestSnapshotShare, where TypeParam = caffe::CPUDevice<float>
[  FAILED  ] RMSPropSolverTest/0.TestSnapshot, where TypeParam = caffe::CPUDevice<float>
[  FAILED  ] RMSPropSolverTest/0.TestSnapshotShare, where TypeParam = caffe::CPUDevice<float>



address

a.uninstall boost ,Boost库安装在/usr/local/include/boost和/usr/local/lib中,因此要卸载Boost库只需要删除相应的文件即可。

 

sudo rm –rf /usr/local/include/boost

sudo rm –rf /usr/local/lib/libboost_*

b.install boost 1.55


4. 设置PYTHON路径方法

export PYTHONPATH=/home/username/caffe/python
查看路径

echo $PYTHONPATH


5. 若无cv2

apt-get install python-opencv

参考文档:https://ouxinyu.github.io/Blogs/20140723001.html

0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:13905次
    • 积分:1423
    • 等级:
    • 排名:千里之外
    • 原创:135篇
    • 转载:6篇
    • 译文:0篇
    • 评论:0条