1.1 Python版本
为什么要查看python版本,后面才说吧,毕竟摸爬滚打之后的经验得出的。
1.2 安装依赖库
sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev
sudo apt-get install -y protobuf-compiler libatlas-base-dev libhdf5-serial-dev libboost-all-dev libboost-all-dev
sudo apt-get install libgflags-dev
sudo apt-get install libblas-dev
1.3安装python-pip
sudo apt-get install -y python-pip
1.4安装git
sudo apt-get install -y git
1.5从网上下载caffe的安装包
git clone https://github.com/BVLC/caffe.git
1.6安装python相关的安装包
cd caffe/python进入到caffe目录下得python文件内,安装Python相关的安装包
sudo apt-get install -y python-numpy python-scipy python-matplotlib ipython ipython-notebook
sudo apt-get install -y python-pandas python-sympy python-nose
大概安装下来几百兆,所以自求多福,发现没有玩深度学习,大概最低要求是三点:第一个是耐心,各种框架各种库各种坑等着你;第二个是你的硬件跟不跟得上;第三个是你的网速跟不跟得上;手动捂脸吧!!!!!!!!!
在caffe/python目录下requirements.txt文件,安装文件里面的安装包
vim requirements.txt
脚本安装如下:
首先回到root下:然后执行
for req in $(cat requirements.txt); do sudo pip install $req;done
1.7修改Makefile.config文件
退出root用户,进入caffe目录,编译caffe
首先在caffe目录下,将Makefile.config.example文件拷贝一份名字为Makefile.config
cp Makefile.config.example Makefile.config
通过sudo gedit Makefile.config打开
主要对Makefile.config修改两处:
第一处:CPU_ONLY :=1前面的#去掉,因为这里我们使用的是cpu。
第二处:更改前
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
更改后:
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial
这里我们就说说为什么要查看python版本
这里面要求的python的版本为2.7或者3.5,所以现在就出现很尴尬的事情,Python2.7在2020年将被放弃使用,而现在Python的版本已经更新到python3.7,这也许不是我们可以考虑的事情,等待大佬去解决吧!!!!!!!
1.8进行编译安装
sudo make all -j4,其中j4是根据机器的cpu核数量来决定的。
编译完成后:sudo make test
完成后执行:sudo make runtest
这里出现PASSED说明已经成功了。自此经历九死一生你终于可以玩caffe了。
1.9验证
窗口输入python进入python环境,然后输入import caffe如果提示没有错误就表示安装成功
2. 0训练Mnist数据集
(1)获取MNIST数据
./data/mnist/get_mnist.sh
(2)将其转换成Lmdb数据库格式
./examples/mnist/create_mnist.sh
(3)训练网络
./examples/mnist/train_lenet.sh
注意:
examples/mnist/lenet_solver.prototxt 中
#solver mode:CPU or GPU
solver_mode:GPU
改为
#solver mode:CPU or GPU
solver_mode:CPU
再运行 examples/mnist/train_lenet.sh 就可以正常训练!