深度学习框架caffe及py-faster-rcnn详细配置安装过程

深度学习框架caffe及py-faster-rcnn详细配置安装过程

配置环境：

• ubuntu14.04
• CUDA7.5

---

1、准备工作

安装vim、python-pip、git

sudo apt-get install vim
sudo apt-get install python-pip
sudo apt-get install git

2、安装CUDA7.5

CUDA(Compute Unified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。——百度百科

CUDA的安装包可以在NVIDIA官网下载：https://developer.nvidia.com/cuda-downloads

安装CUDA7.5

sudo dpkg --install cuda-repo-ubuntu1404-7-5-local_7.5-18_amd64.deb
sudo apt-get update
sudo apt-get install cuda

更改路径

sudo vim /etc/profile
++ export PATH=/usr/local/cuda-7.5/bin:$PATH
++ export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH

使以上更改生效

source /etc/profile

编译CUDA

cd /usr/local/cuda/samples
sudo make all -j4

验证是否安装成功

cd /usr/local/cuda/samples/bin/x86_64/linux/release
./deviceQuery

若在命令行显示显卡信息则表示安装成功，如下图所示：

3、安装CuDNN

CuDNN是专门针对Deep Learning框架设计的一套GPU计算加速方案，目前支持的DL库包括Caffe，ConvNet, Torch7等。

CuDNN的安装包可以在NVIDIA官网下载：https://developer.nvidia.com/cuDNN

执行以下命令

tar zxvf cudnn-7.0-linux-x64-v4.0-rc.tgz
cp cuda/lib64/lib* /usr/local/cuda/lib64
cp cuda/include/cudnn.h /usr/local/cuda/include
cd /usr/local/cuda/lib64
sudo rm  libcudnn.so libcudnn.so.4
sudo ln -s libcudnn.so.4.0.4 libcudnn.so.4
sudo ln -s libcudnn.so.4 libcudnn.so

然后重启机器

sudo reboot

4、检查修改的路径是否正确

echo $PATH

检查是否与以下内容一致

export PATH=/usr/local/cuda-7.5/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH

5、安装python-opencv

sudo apt-get install python-opencv

6、安装pyCUDA

sudo apt-get install libatlas-base-dev

7、下载py-faster-rcnn

github上py-faster-rcnn项目的地址：https://github.com/rbgirshick/py-faster-rcnn

git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git

8、编译caffe

cd py-faster-rcnn
cd caffe-fast-rcnn

安装依赖包

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
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install python-skimage
sudo apt-get install python-protobuf
sudo apt-get install python-yaml   
sudo pip install cython
sudo pip install easydict

安装python依赖包

cd python
for req in $(cat requirements.txt);
do pip install $req; 
done

在命令行多次（一般2~3次）执行以上命令，直到出现requirement already satisfied为止

编译caffe

cd py-faster-rcnn
cd caffe-fast-rcnn
cp Makefile.config.example Makefile.config

打开WITH_PYTHON_LAYER开关

vim Makefile.config

将WITH_PYTHON_LAYER :=1前面的#号去掉
若先前已经安装过opencv3.0以上版本
需将USE_OPENCV := 0和OPENCV_VERSION := 3前的#号去掉

sudo make all -j4
sudo make pycaffe -j4

注意：若编译过程中报错找不到hdf5.h或者hdf5_hl.h , 错误提示为：

./include/caffe/util/hdf5.hpp:6:18: fatal error: hdf5.h: No such file or directory

使用命令sudo find / -name hdf5.h 和sudo find / -name hdf5_hl.h , 找到相应的路径之后，把路径加到Makefile.config中。
如，我的hdf5.h的路径为：

/usr/include/hdf5/serial/hdf5.h

则修改Makefile.config中的项“INCLUDE_DIRS”为：

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/include/hdf5/serial \
                                  /usr/local/include

若在Ubuntu16.04+CUDA8+cudnn5配置py-faster-rcnn下配置可参考：http://blog.csdn.net/zhuiqiuk/article/details/54093170

编译faster-rcnn

cd py-faster-rcnn
cd lib
make 

9、检验是否配置成功

运行demo.py

cd py-faster-rcnn
cd tools
python demo.py

若可以检测出图片中的目标，则表示配置完成，如下图所示：