Caffe 安装手册

最新推荐文章于 2019-04-23 09:31:12 发布

ZCQ183

最新推荐文章于 2019-04-23 09:31:12 发布

阅读量559

点赞数

分类专栏： machine learning 文章标签： Caffe 安装手册

本文链接：https://blog.csdn.net/ZCQ183/article/details/51858345

版权

machine learning 专栏收录该内容

2 篇文章 0 订阅

订阅专栏

Caffe 安装手册

一

二 Caffe 安装

安装流程，主要参考ouxinyu的文章。

http://ouxinyu.github.io/Blogs/20140723001.html

http://caffe.berkeleyvision.org/installation.html

主要包括显卡安装，数学库安装，boost安装，caffe库安装 python安装等。

2.1显卡驱动

1 修改文件

# sudo gedit /etc/modprobe.d/blacklist.conf

# 增加一行：blacklist nouveau

2 修改文件

# sudo gedit /etc/default/grub

末尾写入：rdblacklist=nouveau

option nouveau.modeset=0

3 更新使1,2有效

Sudo update -initramfs -u

4 进入tty命令界面，ctrl alt f1-f6 关闭X界面

Sudo systemctl stop lightdm

5 第一次安装cuda

Sh cuda7.0.0_28.run

6 重启系统

7 重复4,5再装cuda

8 开启X界面

Sudo systemctl start lightdm

9 基本的依赖库

安装一些必要的库文件，譬如：OpenGL (e.g., Mesa), GLU, GLUT, and X11 (including Xi, Xmu, and GLX).

$ sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

10.环境设置

$ export PATH=/usr/local/cuda-7.0/bin:$PATH

$ export LD_LIBRARY_PATH=/usr/local/cuda-7.0/lib64:$LD_LIBRARY_PATH

PS：如果出现安装失败，重启系统，重新安装一遍基本都可以解决，实在不行就卸载原来的驱动再安装一遍。

a. 卸载现有驱动

$ sudo nvidia-installer --uninstall

b. 重装CUDA Toolkit

$ sudo sh cuda_6_64.run

2.2 数学库

Openblas安装:

在　github上下载，并安装，如下:

$mkdir openblas
$cd openblas
然后下载git库
$git clone https://github.com/xianyi/OpenBLAS.git
$cd OpenBLAS
然后编译
$make
这个编译是很帅的，是多线程编译。编译好之后安装之
$sudo make install

装的位置是:

/opt/OpenBLAS

将这个位置和标准位置联系在一起使用下面的动作:

注意各人可能有各自不同的提示。接着根据这个来设定系统。
   $sudo update-alternatives --install \
   /usr/lib/libblas.so \
   libblas.so /lib/libopenblas.so 37
   $sudo update-alternatives --install \
   /usr/lib/libblas.so.3gf \
   libblas.so.3gf /lib/libopenblas.so.0 37
   然后依次打开设定，就可以看到刚才按装的两个包了。
   $sudo update-alternatives --config libblas.so
   $sudo update-alternatives --config libblas.so.3gf
   这里解释一下update-alternatives --install的用法。后面跟四个参数：
   --install <link> <name> <path> <priority>
   link是包的快捷方式，系统提供给其他程序去索用，像是地图上邮局的地址，固定不变——至于邮局里哪个邮递员在上班，寄信的人没有必要知道。
   name是包的名称。path是我们要安装的包的地址，这个根据make install显示出来的结果设定。priority是在自动模式里调用这个包的优先级。如果想要删除，可以使用命令
   $ sudo update-alternatives --remove libblas.so \
   /lib/libopenblas.so
   $ sudo update-alternatives --remove libblas.so.3gf \
   /lib/libopenblas.so.0

参考文献:

http://blog.sina.com.cn/s/blog_6d09848701018smp.html

1 libatlas-dev：可以通过sudo apt-get install libatlas-dev完成。

2.3 Opencv

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：

$ sudo sh Ubuntu/dependencies.sh

3. 切换目录Ubuntu\3.0\安装OpenCV 3.0.0rc1：

$ sudo sh opencv3_0_0-rc1.sh

2.4 Glog安装

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

$ tar zxvf glog-0.3.3.tar.gz

$ ./configure

$ make

$ sudo make install

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。

２．５其他包安装

$ sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev

$ sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler

如果安装过程中出现错误，E: Sub-process /usr/bin/dpkg returned an error code (1)，可能是因为sudo apt-get install出现到意外，不用着急，可以试试这个解决办法：
$ cd /var/lib/dpkg
$ sudo mv info info.bak
$ sudo mkdir info
$ sudo apt-get --reinstall install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev

2.6 安装cuDNN

该改版本caffe-master默认支持cudnn-6.5-linux-x64-v2，使用cudnn-6.5-linux-R1会报错，安装前请去先官网下载最新的cuDNN。

$ sudo cp cudnn.h /usr/local/include

$ sudo cp libcudnn.so /usr/local/lib

$ sudo cp libcudnn.so.6.5 /usr/local/lib

$ sudo cp libcudnn.so.6.5.48 /usr/local/lib

b. 链接cuDNN的库文件

$ sudo ln -sf /usr/local/lib/libcudnn.so.6.5.48 /usr/local/lib/libcudnn.so.6.5

$ sudo ln -sf /usr/local/lib/libcudnn.so.6.5 /usr/local/lib/libcudnn.so

$ sudo ldconfig -v

２．７　Boost安装

在其他安装中已有。

２．８Caffe库安装

１下载caffe库，解压

$ cp Makefile.config.example Makefile.config

２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

这里根据需要再加入其他库。

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

F. 对openblas的支持

INCLUDE_DIRS +=/opt/OpenBLAS/include

３. 配置Makefile文件（实现对OpenCV 3.x的支持）

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

４. 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。

$ make all -j8

$ make test -j8

$ make runtest -j8

５.测试

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/vis/caffe-master，所以下面的工作，默认已经切换到了该工作目录。具体设置请参考官网：http://caffe.berkeleyvision.org/gathered/examples /mnist.html

1. 数据预处理

$ sh data/mnist/get_mnist.sh

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。

$ sh examples/mnist/create_mnist.sh

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

$ sh examples/mnist/train_lenet.sh