1、pycaffe介绍:
-
参考链接:Interfaces
-
Caffe提供了Python的接口(pycaffe),详见caffe/python文件夹。在python代码中import caffe,可以load models(导入模型),forward and backward(前向、反向迭代), handle IO(数据输入输出),visualize networks(net可视化),instrument model solving(自定义优化方法)。所有的模型数据、计算参数都是可供读写的。
- caffe.Net是主要接口,负责导入数据、校验数据、计算模型的。
- caffe.Classifier用于图像分类。
- caffe.Detector用于图像检测。
- caffe.SGDSolver是solver接口。
- caffe.io处理输入输出,数据预处理。
- caffe.draw可视化net的结构。
- Caffe blobs以numpy ndarrays的形式表示,更加方便、高效。
2、配置pycaffe:
-
详见Ubuntu14.04 安装Caffe(仅CPU)第10点。
-
安装依赖库:
- 1
- 2
- 1
- 2
-
编译:
- 1
- 2
- 1
- 2
-
添加~/caffe/python到$PYTHONPATH:
- 1
- 2
- 3
- 4
- 5
- 1
- 2
- 3
- 4
- 5
-
测试是否可以引用:
如果失败可能需要进行如下操作:
import sys
sys.path.append('/home/usr/caffe/python')
import caffe
如果报错error :No module named google.protobuf.internal
就如下操作
sudo chmod 777 -R anaconda(文件夹) 改变权限 然后
conda install protobuf
-
今天使用,莫名其妙就提示
Intel MKL FATAL ERROR: Cannot load libmkl_avx2.so or libmkl_def.so
找了半天解决方法,最终还是不使用mkl吧。。。
conda install nomkl numpy scipy scikit-learn numexpr conda remove mkl mkl-service
其实我这边第二句一直有问题,但是也能使用。。。
-