caffe学习笔记4-caffe安装需要注意的libraries

最新推荐文章于 2019-01-15 17:43:39 发布
最新推荐文章于 2019-01-15 17:43:39 发布
阅读量1.2k 收藏
点赞数 1
分类专栏： CNN 卷积神经网络

affe学习笔记4-caffe安装需要注意的libraries

By YuFeiGan

2014-12-14 更新日期:2014-12-14

文章目錄
  1. 1. Google Code
    1. 1.1. glog
    2. 1.2. gflags
    3. 1.3. gtest
  2. 2. 关于CPU加速
    1. 2.1. 安装ATLAS
    2. 2.2. 安装OpenBLAS

当调用caffe训练数据的时候实际上调用的文件是在caffe.cpp中实现的train() 和 test()两个函数。搞清楚这两个函数对caffe的调用过程很有帮助。在这之前要提到几个相关的库，虽然与caffe实现关系不大，但完全不懂还是多少有点影响代码的理解。

Google Code

glog

google出的一个C++轻量级日志库，网络上的教程文档很多English docs, Chinese docs, glog使用与功能修改。
看代码的时候充斥这类似CHECK_EQ、 CHECK_NOTNULL、CHECK_STREQ、CHECK_DOUBLE_EQ的函数这就是glog里面的函数，类似ASSERT()的断言。

gflags

它是一个标记选项的库，看了这个GFLAGS使用手册马上就能明白作用。另外的文档有Google gflags使用说明。

gtest

Google的开源C++单元测试框架，caffe里面test代码中大量用到，网上教程也是一大堆，中文里面最好的玩转Google开源C++单元测试框架Google Test系列(gtest)(总)，英文文档googletest

关于CPU加速

Caffe推荐的BLAS（Basic Linear Algebra Subprograms）有三个选择ATLAS，Intel MKL，OpenBLAS。其中ATLAS是caffe是默认选择开源免费，如果没有安装CUDA的不太推荐使用，因为CPU多线程的支持不太好；Intel MKL是商业库要收费，我没有试过但caffe的作者安装的是这个库，估计效果应该是最好的；OpenBLAS开源免费，支持CPU多线程，我安装的就是这个。顺便贴上安装代码，其实很简单：

安装ATLAS

1

sudo apt-get install libatlas-base-dev

安装OpenBLAS

1

sudo apt-get install libopenblas-base

参考链接：
Caffe issues #16: Remove Intel MKL dependency
Caffe issues #79: Support multithreading in the CPU mode of Solver::Solve

baobei0112
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
caffe学习笔记1-7-完整版-薛开宇
04-05
caffe学习笔记1-7-完整版-薛开宇，适合照caffe着学习，一部一部熟悉。
Windows 10安装和配置caffe教程
GAN、Transformer、Vue、Django知识学习&&分享者 ZhuBa的博客 zhuba-Ahhh.github.io
06-26 971
windows 10安装和配置caffe教程
用Cmake安装Caffe，以及Caffe单个文件编译
weixin_34293059的博客
09-17 85
Cmake 安装 Caffe 首先修改Cmake里面的参数(GPU, CPU,MatLab,Python等); 修改 cmake/Dependencies.cmake 中的配置(BLAS之类的); Cmake： cd caffe && mkdir build && cd build cmake .. -DBUILD_SHARED_LIB=ON 确保所有的error...
GOTURN安装与配置以及问题汇总
一位深度学习小萌新
12-12 2679
今天看到了Learning to Track at 100 FPS with Deep Regression Networks这篇文章的速度很高，特此跑一下作者的代码。 安装过程： 安装各项依赖： 安装CMake:sudo apt-get install cmake 安装caffe，并且用cmake编译caffe，这个就不说了，教程很多，值得一提的是用cmake编译caffe，可以参考http://
内排序算法小结
CaryaLiu的专栏
12-11 5177
从以下几个方面来比较排序算法： 1. 算法的时间和空间复杂度 2. 排序的稳定性 3. 算法结构的复杂度 4. 参加排序的数据规模 排序的稳定性： 稳定排序方法: 插入排序、冒泡排序、二路归并排序、基数排序是稳定排序算法； 不稳定排序方法: 选择排序、谢尔排序、快速排序、堆积排序是不稳定排序算法。 算法复杂度比较： 各种内排序算法的时间、空间复杂度
cvpr读书笔记[3]:traincascade与AdaBoost的opencv实现框架
iteye_5573的博客
08-04 188
本节研究traincascade的opencv实现. 涉及的源代码位于: sources\apps\traincascade traincascade实现 sources\modules\ml opencv machine learning部分 sources\data\vec_files\trainingfaces_24-24.vec 正样本   http://blog.csdn....
Caffe学习笔记-粗糙版
06-25
从头至尾阅读了Caffe全部源码，过程中写了这个笔记，写的比较粗糙，但是包含了Caffe中所有重要部分源码的解析（除python接口、具体Layer层和tools），包括多线程训练部分和datalayer的lmdb数据读取（生产者消费者）...
Caffe学习笔记（一）——Windows 下caffe安装与配置-附件资源
03-05
Caffe学习笔记（一）——Windows 下caffe安装与配置-附件资源
（二）使用YOLOv3训练BDD100K数据集之标签格式转换
Xavier丶
01-15 1万+
目录 1 将BDD100K数据集的json标签格式转换为VOC的xml标签格式 2 将xml标签格式转换为darknet的txt标签格式 3 生成train.txt和val.txt 1 将BDD100K数据集的json标签格式转换为VOC的xml标签格式 此部分参考并整理了自动驾驶数据集BDD训练mobileNet-SSD，感谢博主的无私奉献！ 首先，我们需要两个辅助脚本：parseJso...
论文阅读-《Focal Loss for Dense Object Detection》
yj_isee的博客
08-10 1万+
FAIR. ICCV2017 Oral Kaiming He & RBG1.Motivation一直以来，one-stage detector都以快著称，yolo刚发布的时候表明了是主打速度的，但是这些one-stage detector的精度要比two-stage detector，比如faster rcnn差不少。本文的目的就是为了探讨为什么one-stage detector相比two-sta
caffe_library.zip
04-13
caffe运行需要的文件，很不错，经本人测试，可以直接使用
OpenCV中Adaboost训练的经验总结
梦想腾飞
12-25 2万+
关于使用OpenCV训练Adaboost的经验总结，互相交流，有不对的地方请指教！
在Ubuntu server 14.04上安装caffe+ATLAS+cuda8.0+opencv2.4.8+python2.7+hdf5
FlyingPie的专栏
12-05 2871
最近一直在业余时间维护服务器，给多台服务器配上了caffe供训练用。 本文记录了12月1号在Ubuntu server 14.04上安装当时最新版caffe的全过程。 另外注意BLAS使用的是ATLAS，刚开始试了openblas装上引用不了，试了些文章里的方法也不行，就没详细研究。 想装openblas的这一部分可以参考别的文章，官网说openblas会比ATLAS快一些。
caffe安装指南
kuaitoukid的专栏
10-23 5万+
其实caffe上的安装已经介绍的很清楚，而且也不乏介绍caffe的文章，之所以写这篇是因为这是一个中文版本的，再就是我在实验室服务器安装时遇到了很多问题，我觉得后来人可能会遇到，所以贴出来 Linux平台下的Caffe安装指南
caffe编译遇到的问题（持续更新）
热门推荐
向阳的博客
04-26 5万+
caffe编译遇到的问题（持续更新） 问题： Invalid MEX-file '/home/abc/caffe/matlab/+caffe/private/caffe_.mexa64': /usr/lib/libgdal.so.20: symbol TIFFReadRGBATileExt version LIBTIFF_4.0 not defined in file libtiff.so.5...
CAFFE安装(4):ATLAS/ Intel MKL安装
weixin_33951761的博客
05-28 138
暂不提供OpenBLAS的安装方法，ATLAS/ Intel MKL这两个只需安装其中之一。 ATLAS安装较简单 $ sudo apt-get install libatlas-base-dev Intel MKL安装稍复杂 离线下载mkl安装包（需要注册申请），首先解压安装包，下面有一个install_GUI.sh文件， 执行该文件，会出现图形安装界面，根据说明一步一步执行即可。 $...
深度学习【61】centos中caffe找不到cblas,atlas
DCD_LIN的博客
10-17 2539
之前一直在ubuntu下安装的caffe，在centos安装caffe时，发现找不到cblas和atlas。后面发现是因为在centos里面cblas不叫cblas，atlas不叫atlas。而是cblas叫 satlas , atlas叫 tatlas。因此需要在Makefile里相应的地方（大概在393行处）更改一下： 将 LIBRARIES += cblas atlas 改成： LIBRAR...
caffe链接库的配置 & error while loading shared libraries的解决方法
TomDog的专栏
08-03 2625
Ubuntu的链接库的配置方式1. /etc/ld.so.conf文件将库的路径追加到/etc/ld.so.conf中： 由于我没有在/etc/ld.so.conf文件中添加过什么路径，因此这里只有系统配置的路径。2. /etc/ld.so.conf.d目录从第1种方式我们已经看到，/etc/ld.so.conf文件中包含了 /etc/ld.so.conf.d目录下的所有的conf文件，因此我
caffe的配置过程
brightming的专栏
04-09 5万+
这篇文章可参考：http://www.cnblogs.com/cj695/p/4498270.html 下载caffe 拷贝Make.config.example Make.config 修改Make.config 取消注释cpu-only，注释掉cuda相关的 -----------------安装依赖的库------------------------ 参考docs/
ubuntu18.04安装caffe-ssd-gpu
最新发布
06-28
### 回答1： 安装caffe-ssd-gpu在ubuntu18.04的步骤如下： 1. 安装CUDA：从Nvidia官网下载合适的CUDA安装包，按照官方文档的指引进行安装。 2. 安装依赖：运行以下命令安装所需依赖库： ``` sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev \ libopencv-dev libhdf5-serial-dev protobuf-compiler \ libgflags-dev libgoogle-glog-dev liblmdb-dev libboost-all-dev ``` 3. 下载caffe-ssd-gpu源码并编译：从Github上下载caffe-ssd-gpu的源码，按照官方文档指引进行编译。编译时需要指定编译选项为GPU模式。 4. 运行测试：安装完成后，运行测试脚本，确保安装配置成功。 以上为简要步骤，具体操作请参考对应文档和官方指引。 ### 回答2： Ubuntu18.04是目前比较常见的Linux操作系统之一，而CAFFE-SSD-GPU是深度学习的一个工具。下面是安装caffe-ssd-gpu的步骤： 1. 安装CUDA和cuDNN 首先，您需要安装CUDA和cuDNN，这是运行深度学习框架所需的必备组件。下载安装CUDA和cuDNN之前，您需要查看您的图形卡的型号，以便选择正确的CUDA版本和cuDNN版本。 在下载和安装CUDA和cuDNN之前，您需要在NVIDIA的开发者网站上注册自己，并下载适用于您机器的CUDA和cuDNN版本。此外，您还需要在命令行界面中设置以下环境变量： export PATH=/usr/local/cuda-8.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH 2. 安装依赖项 在安装caffe之前，需要安装一些依赖项。您可以使用以下命令将这些依赖项安装到您的Ubuntu系统上： sudo apt-get update sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev protobuf-compiler gfortran libjpeg62 libfreeimage-dev libatlas-base-dev git python-dev python-pip libgoogle-glog-dev libbz2-dev libxml2-dev libxslt-dev libffi-dev libssl-dev libgflags-dev liblmdb-dev python-yaml python-numpy python-scipy 3. 下载和安装CAFFE 现在，您需要在您的系统上下载和安装CAFFE。从github上获取caffesource代码并进行安装： git clone https://github.com/weiliu89/caffe.git cd caffe git checkout ssd 4. 编译和安装CAFFE 使用以下命令编译和安装caffe： cp Makefile.config.example Makefile.config make all -j $(($(nproc) + 1)) make pycaffe 执行该命令后，您需要等待一段时间才能完成CAFFE的编译。如果出现任何编译错误，请检查您的CUDA和cuDNN版本是否正确，并重新安装依赖项。 5. 使用CAFFE-SSD-GPU 现在，您已经成功地在Ubuntu18.04操作系统上安装并编译了CAFFE-SSD-GPU，您可以开始使用该工具来执行深度学习任务了。 总结 安装CAFFE-SSD-GPU需要充分理解linux的命令行操作。需要先确认CUDA和cuDNN已经安装，并正确设置环境变量。然后需要下载和安装CAFFE, 并最后编译和安装CAFFE。在安装过程中如果存在问题，可以查看错误日志，重新检查步骤。如果对命令行操作不熟悉，则先学习linux基础操作。 ### 回答3： caffe-ssd-gpu是一种基于caffe框架的用于实现目标检测的神经网络模型，在Ubuntu18.04系统中安装caffe-ssd-gpu需要进行以下步骤： 1. 安装CUDA CUDA是NVIDIA公司推出的用于高性能计算的并行计算平台和编程模型，是使用GPU进行深度学习任务所必需的。在Ubuntu18.04上安装CUDA需要首先确认自己的显卡型号，并选择合适的CUDA版本进行安装。可以在NVIDIA官网上下载相应的CUDA安装包，也可以通过命令行方式进行安装。在安装过程中注意要按照提示完成相应的配置和设置。 2. 安装cuDNN cuDNN是用于深度神经网络的GPU加速库，也是必需的组件之一。在安装过程中同样需要确认CUDA的版本和自己的显卡型号，并下载相应的cuDNN安装包进行安装。 3. 安装依赖包 在安装caffe-ssd-gpu前需要先安装几个依赖包，包括protobuf、opencv、boost等。可以通过命令行方式进行安装，例如： ``` sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev ``` 4. 下载caffe-ssd-gpu源码 可以在GitHub上找到caffe-ssd-gpu的源码，下载后解压到自己想要的目录下。 5. 编译和安装caffe-ssd-gpu 进入caffe-ssd-gpu源码目录下，执行以下命令： ``` cd caffe-ssd-gpu mkdir build cd build cmake .. make all -j8 make install ``` 其中，make all -j8表示使用8个线程进行编译，提高编译速度。make install表示安装编译好的caffe-ssd-gpu库文件和可执行文件。 6. 测试安装是否成功 可以尝试运行caffe-ssd-gpu自带的测试程序，检查安装是否成功。在源码目录下执行以下命令： ``` ./build/tools/caffe time --model=models/VGGNet/VOC0712/SSD_300x300_ft/deploy.prototxt --gpu=0 ``` 这条命令会测试caffe-ssd-gpu在GPU上执行推断的速度，如果没有问题，则说明安装成功。 需要注意的是，在安装过程中可能会遇到各种问题，例如依赖包的版本不兼容、CUDA和cuDNN的配置出错等等。这时候需要耐心调试错误，逐个解决问题，才能确保caffe-ssd-gpu能够正常运行。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值