最近实验室要把一部分方向转为深度学习这一方向,而且电脑也配好了,研一的课程也结束了,赶紧抓紧时间把开发环境给弄好。
============
1. 关于Caffe
说明:http://caffe.berkeleyvision.org/ 这个C++版本的深度学习库,速度快,可以在GPU和CPU版本下跑深度学习代码,在Github上有相应的主页:https://github.com/BVLC/caffe 这个还是挺不错的,在上面讨论挺多,而且开发者也是国人。
2. 安装要求:
这里是开发者给的具体开发步骤:http://caffe.berkeleyvision.org/installation.html
需要安装的东西还是比较多的,开发者是在Linux下做的,在Github上有人改了在Windows上运行,不过说速度比较慢,而且支持不怎么好,所以,这里我也就选择在Linux上安装,由于自己对Ubuntu本身不是很熟,所以这里就选择相对较为友好的Ubuntu作为开发环境(系统版本选择Ubuntu12.04,之前用wubi装好了14.04发现CUDA还没有官方支持14.04,然后果断选择重新安装12.04版本,免得折腾)。
3. 具体的需要安装的内容:
1. CUDA :不用说,混合异构编程是主流,而且CUDA现在也最为流行,比OpenCL开发者支持要好;
2. MKL:Intel 的矩阵科学计算库,收费的,不过可以去申请免费的。地址:https://registrationcenter.intel.com/RegCenter/NComForm.aspx?ProductID=1461&pass=yes 有一个问题,刚开始几次申请都不成功,然后后面我把国家改为中国香港就ok了。
3. OpenCV.
4. Boost (we have only tested 1.55)
5.
glog
, gflags
, protobuf
, leveldb
, snappy
, hdf5等;
6. Python 或者Matlab的绑定。
3. 详细安装步骤:
1. CUDA 安装,这里我安装的是CUDA6.0版本,参考这是下面这个博客安装成功的。
http://jingyan.baidu.com/article/e75057f2a95f85ebc81a8944.html 当然其中的也走了一些弯路。
2. MKL安装:
主要是申请,然后在邮箱里着链接,然后安装,有一个GUI的安装界面,next安装完就是了,对了,其中需要的按张系列号也在邮件上面找。
3. OpenCV安装:
网上找了一个shell:https://github.com/jayrambhia/Install-OpenCV 发现在linux下安装好OpenCV也是可以so easy!
4. 一些库安装:
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev
5. 安装glog库,主要提供日志输出功能
wget https://google-glog.googlecode.com/files/glog-0.3.3.tar.gz
tar zxvf glog-0.3.3.tar.gz
./configure
make && sudo make install
PS:可能最近这段时间,某些国家的google不能使用(,上面的文件自然也不能get,所以可以先在网上下好文件,传送门:http://download.csdn.net/download/chenguangxing3/6661667
1. 修改Makefile.config,把路径都设对。跟自己电脑配置一致。比如我把-gencodearch=compute_30,code=sm_30 (30应该表示为你的GPU的CUDA计算能力)
2. 配置好环境变量