深度学习的框架很多,有Theano、keras、DeepLearnToolBox等等,caffe主要注重模块化和运行速度,是目前引用率较高的一个工具箱。
本次环境的搭建是在ubuntu14.04下搭建。参照官方的安指南Ubuntu Installation
1. 安装依赖库
这一步主要是安装opencv库、google的protobuf、boost、等等。这些都只需要一步搞定:
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
需要注意的是两条命令最好分开执行,两条复制进console可能出现boost没有安装。
因为自己电脑显卡很差,所以就没有安装cuda。安装cuda部分建议参考1
2. 安装 BLAS、Imdb等
首先安装 BLAS,一共有三种可以选择 ATLAS、 OpenBLAS 和MKL,主要的差别在对cpu的调用上,要获得更好的cpu表现就安装OpenBlas或Intel公司的MKL。
a. 安装 ATLAS
sudo apt-get install libatlas-base-dev
b. 安装 OpenBLAS
sudo apt-get install libopenblas-dev
c. 安装MKL
这个是Intel自己开发的工具,是收费的,学生用户可以注册下载,安装包也很大,建议按照参考1的安装方法
上面三个选一个安装即可,没必要都安装。
安装剩下的依赖库:
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
如果你不需要python接口的caffe和cuda,可直接跳到编译步骤。
3. 安装cuda和cudann
没必要提前安装nvidia显卡驱动,cuda里面已经带了,可以在安装CUDA的时候勾选安装驱动选项即可
a. 禁用自带的显卡驱动:
vim /etc/modprobe.d/blacklist.conf
输入以下内容:
blacklist nouveau
options nouveau modeset=0
-------------------------------------------------
更新内核启动参数:
sudo update-initramfs -u //Ubuntu
sudo dracut --force //Centos
b. 关闭图形界面
其中Ubuntu可以参考[1](http://blog.csdn.net/a1311543690/article/details/48861237)