Stay hungry,Stay foolish .
对于caffe,不同的电脑出现的问题不一样,如果出现问题就慢慢解决吧。本文将整个的安装配置过程进行了总结。
一、安装前的准备工作
1)首先需要查看自己的电脑是否支持GPU,输入:
$ lspci | grep -i nvidia
查看GPU型号, 在https://developer.nvidia.com/cuda-gpus进行查看对比.
2)验证系统运行支持的Linux版本
$ uname -m && cat /etc/*release
重点是“x86_64”这一项,保证是x86架构,64bit系统
3)检查操作系统是否安装了gcc
$ gcc --version
很多操作系统都预装有gcc,如果你的没有就先安装一下
4)验证系统是否安装正确的内核头文件和一些开发包.
$ uname -r
$ sudo apt-get install linux-headers-$(uname -r)
二、NVIDIA CUDA Toolkit的安装(*.deb方法)推荐.deb的方法
这一部分有的是首先进行驱动的安装,比如可以采用禁用自带的驱动,然后去官网下载自己安装的驱动,具体方法(看下面的提示).驱动的下载地址:
https://www.nvidia.cn/Download/index.aspx?lang=cn
我看的有的博客介绍的是cuda安装之后会覆盖原先的驱动,采用新安装的驱动.我是直接就进行cuda安装的.
1)安装一些基本依赖项:
$ sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compilersudo apt-get install --no-install-recommends libboost-all-dev
$ sudo apt-get install build-essential
$ sudo apt-get install vim cmake git
2)下载cuda toolkit
这需要去官网去下载,看自己是需要哪个版本,最新的版本CUDA Toolkit 9.2 Download(只支持17.10和16.04)网址:https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu
我使用的是7.5版本的,CUDA 7.5 Downloads支持14.04和15.04网址:
https://developer.nvidia.com/cuda-75-downloads-archive
**注意下载的是deb安装包,如果下载的是run文件,则需要上面说的禁用驱动,然后下载安装驱动.想要这样做的可以参照以下相关内容:
http://blog.csdn.net/sinat_19628145/article/details/60475696
http://docs.nvidia.com/cuda/pdf/CUDA_Installation_Guide_Linux.pdf
也可以查找其他人的博客,进行相关操作.
3)安装cuda toolkit
Cuda7.5下载之后下载网站下面有安装指导,可以按照上面的进行进一步的操作.
Nouveau是一个开源的显卡驱动,Ubuntu 14.04 默认安装了,但是它会影响nVidia驱动的安装.所以首先需要先把错配的显卡驱动清理干净,指令:
$ sudo apt-get --purge remove nvidia-*
进入cuda-repo-ubuntu1404-7-5-local_7.5-18_amd64.deb存放目录,安装deb,之后输入:
$ sudo dpkg -i cuda-repo-ubuntu1404-7-5-local_7.5-18_amd64.deb
$ sudo apt-get update
之后回到主目录安装cuda(否则提示找不到cuda文件)
$ sudo apt-get install cuda
4)配置环境变量
在/etc/profile中添加CUDA环境变量
$ sudo gedit /etc/profile
在打开的文件中添加以下内容:
PATH=/usr/local/cuda/bin:$PATH
export PATH
保存后,执行下列命令,使环境变量立即生效
$ source /etc/profile
同时需要添加lib库路径: 在 /etc/ld.so.conf.d/加入文件cuda.conf,内容如下
$ sudo gedit /etc/ld.so.conf.d/cuda.conf
添加以下内容:
/usr/local/cuda/lib64
/lib
保存后,执行下列命令使之立刻生效
$ sudo ldconfig -v
5)安装结果验证
$ nvcc -V
$ cat /proc/driver/nvidia/version
进入/usr/local/cuda/samples,执行下列命令来 编译amples
$ cd /usr/local/cuda/samples
$ sudo make all -j4
整个过程大概10分钟左右,全部编译完成后, 进入samples/bin/x86_64/linux/release,运行deviceQuery
$ cd samples/bin/x86_64/linux/release
$ ./deviceQuery
如果显示Result = PASS则说明安装成功,如果无法显示显卡信息,可以执行sudo reboot 命令重启再测试一下。
三、Matlab下载安装和调试(以Matlab 2015b为例)
1)matlab r2015b百度网盘下载网址:https://pan.baidu.com/s/1kUEUSy7#list/path=%2F%EF%BC%ADatlab_Linux
对于安装,有的是采用磁盘映像挂载的方式,我是将下载的文件全部解压之后,将解压的 文件放至home/Matlab文件夹.
2)授权安装文件夹
$ chmod a+x Matlab -R
3)安装
$ sudo ./install
选项:不使用Internet安装
序列号:09806-07443-53955-64350-21751-41297 (序列号可以在自己下载的matlab 2015b linux crack 文件加下的readme.text找到.”Install choosing the option "Use a File Installation Key" and supply the following FIK”之后的数字就是序列号)
默认路径:/usr/local/MATLAB/R2015b
4)激活以及相关文件配置
完成安装之后,首次运行matlab要用root权限(否则无法写文件),采用不联网激活,并找到Crack中相应的激活文件*.lic,导入激活:
$ cd /usr/local/MATLAB/R2015b/bin
$ sudo ./matlab
进行激活, 需要注意的是下载的matlab版本为2015b但是解压之后可能不是都一样的,有的是Matlab_R2015b_glnxa64.lic为激活文件,有的是license_standalone.lic.注意自己下载的文件内容.
之后开始进行相关配置:
这里需要注意的是默认下,/usr/local/MATLAB/R2015b/bin/glnxa64目录下的文件是不可更改的,必须使用root权限。Ubuntu下切换root权限的命令:sudo su(之后输入root密码))
拷贝 libmwservices.so至 /usr/local/MATLAB/R2015b/bin/glnxa64
$ sudo cp libmwservices.so /usr/local/MATLAB/R2015b/bin/glnxa64/
5)解决编译器gcc/g++版本问题。
因为Ubuntu 14.04的gcc/g++版本是4.8.2,而Matlab 2015b的版本是4.7.x所以在使用matla调用mex文件的时候,基本上都会报错,根据报错信息,考虑如下步解决方案。
降级安装gcc/g++版本为4.7.x
(a).下载gcc/g++ 4.7.x
$ sudo apt-get install -y gcc-4.7
$ sudo apt-get install -y g++-4.7
(b).链接gcc/g++实现降级
$ cd /usr/bin
$ sudo rm gcc
$ sudo ln -s gcc-4.7 gcc
$ sudo rm g++
$ sudo ln -s g++-4.7 g++
6)环境变量
环境变量
$ sudo gedit ~/.bashrc
export PATH=/usr/local/MATLAB/R2015b/bin:$PATH
7) matlab 启动
如果直接在终端输入matlab或者进入/usr/local/MATLAB/R2015b/bin目录下输入matlab可能会出现matlab:command not found,解决办法:
终端进入/usr/local/bin目录,输入:
$ sudo ln -s /usr/local/MATLAB/R2015b/bin/matlab matlab
此时再在任意目录输入matlab均可启动matlab.至此matlab全部安装完毕.
当然也可以采用
$ cd /home/cancy/MATLAB/R2015b/bin
$ sudo ./matlab
进行启动软件
如果遇到问题可以采用以下解决方式
Errors and Solutions:
1. "Cannot write to preference file "matlab.prf" in "/home/user_name/.matlab/R2015b."
sudo chown user_name /home/user_name/.matlab/R2015b/matlab.prf
2. "The desktop configuration was not saved successfully"
sudo chmod a+w -R /home/user_name/.matlab/R2015b(或者just $ chmod 777 a+w -R .matlab)
四、安装BLAS
BLAS,英文全称Basic Linear Algebra Subprograms,即基础线性代数子程序库,里面拥有大量已经编写好的关于线性代数运算的程序。caffe在做矩阵和向量运算是需要这个库,所以在编译caffe是这个是必须的。
caffe官网提供了关于blas库的三种选择: ATLAS,MKL,OpenBLAS (想了解的看下面的网址进行相关的了解)
ATLAS 网址:http://math-atlas.sourceforge.net/
Intel MKL 网址:https://software.intel.com/en-us/intel-mkl
OpenBLAS 网址:http://www.openblas.net/
1)MKL下载
我这里使用MKL,首先下载并安装英特尔®数学内核库 Linux*版MKL(Intel(R) Parallel Studio XE Cluster Edition for Linux 2016),下载链接是:https://software.intel.com/en-us/intel-education-offerings, 使用学生身份(邮件 +学校)下载Student版,填好各种信息,可以直接下载,同时会给你一个邮件告知序列号。下载完之后,要把文件解压到home文件夹(或直接把tar.gz文件拷贝到home文件夹,为了节省空间,安装完记得把压缩文件给删除喔~),或者其他的ext4的文件系统中。
**使用的邮箱应是教育邮箱,学校的学生电子邮箱,一般是以edu.cn来结尾的邮箱,设置时候,邮件会收到序列号.在后面会使用.
下载版本的问题: 进入到下载页面时,在Choose a Version一栏,选择需要下载的版本时,一定要结合自己的电脑系统,我的是ubuntu14.04LTS(64位),Intel3,下载的最新版本2018,在后面进行安装的时候提示检测到的系统不支持.2016版本的也不支持,直接下载了2015initial版本,就没有这个问题.但是安装时提示一些32bit的库没有,
32-bit libraries not found
32-bit libraries not found on this system.
This product release requires the presence of 32-bit compatibility libraries when running on Intel(R) 64 architecture systems. One or more of these libraries could not be found:
libstdc++ (including libstdc++6)
glibc
libgcc
Without these libraries, the compiler and the debugger will not function properly. Please refer to Release Notes for more information.如下图所示:
这一步我直接跳过去了,查找了一下,这个问题可以忽略.根据自己下载的版本,选择适合自己系统的版本(我的下载网页是https://registrationcenter.intel.com/en/products/postregistration/?sn=ST5V-DV35GHMP&EmailID=1700945%40stu.neu.edu.cn&Sequence=2266111&dnld=r)
2)安装过程,先授权,然后安装:
$ tar zxvf parallel_studio_xe_2015.tar.gz (如果你是直接拷贝压缩文件过来的)
$ chmod a+x parallel_studio_xe_2015 -R
$ sh install_GUI.sh
PS: 安装的时候,建议使用root权限安装,过程中会要求输入Linux的root口令。(设置方法:命令行:$ sudo passwd)
3)MKL的环境设置
新建intel_mkl.conf, 并编辑之:
$ sudo gedit /etc/ld.so.conf.d/intel_mkl.conf
/opt/intel/lib/intel64
/opt/intel/mkl/lib/intel64
完成lib文件的链接操作,执行:
$ sudo ldconfig -v
至此MKL安装完成.
对于有些选择使用OpenBLAS
1、从github上下载源码包并解压
$ git clone git://github.com/xianyi/OpenBLAS
此时会在/home目录下生成一个OpenBLAS文件夹,OpenBLAS所有相关的文件都解压在这里。
2、打开文件夹:
$ cd ~/OpenBLAS
3、编译安装
$ make FC=gfortran
#如果没有安装gfortran,执行sudo apt-get install gfortran
4、执行以下命令完成安装
$ ln -s /opt/OpenBLAS/lib/libopenblas.so /usr/lib/libblas.so.3
$ ln -s /opt/OpenBLAS/lib/liblapack.so.3 /usr/lib/liblapack.so.3\
5、添加环境变量
5.1 创建动态链接库
$ sudo gedit /etc/ld.so.conf
加入:/opt/OpenBLAS/lib,保存后退出。
加载使其立即生效:
务必要将/include目录添加到环境变量,否则后面编译Caffe会报错说找不到cblas.h文件,但其实在include目录下是有cblas.h文件的。
在终端输入:
CPLUS_INCLUDE_PATH=/home/user/OpenBLAS/include/
Export CPLUS_INCLUDE_PATH
至此,OpenBLAS安装完毕。
五、安装其他依赖项glog
glog库是用于记录应用程序日志的实用库,提供基于C++标准输入输出流形式的接口
1). Google Logging Library(glog),下载地址:https://code.google.com/p/google-glog/,(**如果谷歌没法登陆,也可以到github上下载:https://github.com/dushulang/Storage,下载后解压,和网上下载的一样.)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). 其他依赖项,确保都成功
$ sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler protobuf-c-compiler protobuf-compiler
六、安装配置NVIDIA CUDNN 加速Caffe模型运算
1) 安装前请去先官网下载最新的cuDNN (cudnn-7.0-linux-x64-v4.0-prod),从官网上下载,需要注册以后才能下载:https://developer.nvidia.com/rdp/cudnn-download。这里有个百度云盘也可以下载这个,https://pan.baidu.com/s/1bnOKBO
$ sudo cp include/cudnn.h /usr/local/include
$ sudo cp lib64/libcudnn.* /usr/local/lib
2)链接cuDNN的库文件
$ sudo ln -sf /usr/local/lib/libcudnn.so.4.0.7 /usr/local/lib/libcudnn.so.4
$ sudo ln -sf /usr/local/lib/libcudnn.so.4 /usr/local/lib/libcudnn.so
$ sudo ldconfig -v
**需要注意的是在官网进行下载时,需要注意版本问题,这个尤其特别需要注意.版本下载的有问题,在之后的编译过程中会出现,一些问题,针对于我出现的问题进行相关说明.
error: ‘CUDNN_POOLING_AVERAGE_COUNT_INCLUDE_PADDING’ was not declared in this scope(安装cuDNN时,make 未声明错误)
解决方法:原因是之前用cuDNN版本过低,不适合当前的caffe版本,在cuDNN官网https://developer.nvidia.com/cuDNN注册下载目前适合自己安装的cuda的最新的cuDNN版本即可。
**进行重新下载之后,需要切换到之前下载的文件夹,将下载的删除,同时需要将包括原来解压的cudnn目录、原来/usr/local/cuda-7.0/lib64中的旧版本libcudnn.so、libcudnn.so.x、libcudnn.so.x.x.x
$ cd /usr/local/cuda-7.0/lib64/ sudo rm -rf libcudnn.so libcudnn.so.4 libcudnn.so.4.
安装新版本的和上面的过程一样
七、安装Anaconda Python distribution
1)、下载安装包,下载地址:https://store.continuum.io/cshop/anaconda/
2)、直接运行下载文件:sudo chmod +x Anaconda-2.4.0-Linux-x86_64.sh
$ sudo ./Anaconda-2.4.0-Linux-x86_64.sh
3) 、设置环境变量:
$ sudo gedit /etc/profile
添加内容:PATH=/home/gwl/anaconda2/bin:$PATHexport PATH
4)、 如果Caffe用Python端口的话,需要添加路径到/etc/profile:
添加内容:PYTHONPATH=/home/gwl/caffe/python:$PYTHONPATH
export PYTHONPATH
5)、保存并退出,使环境变量生效:
$ source /etc/profile
PS:安装Anaconda包,这个包独立与系统自带Python库,并且提供大部分Caffe需要的科学运算库,需要注意的是当运行Caffe时,可能会报一些找不到libxxx.so的错误,而用locate libxxx.so命令发现已经安装在anaconda2中,此时可在/etc/bash.bashrc中加入library path: LD_LIBRARY_PATH=/home/gwl/anaconda2/lib:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH
然后执行生效:sudo ldconfig
**下载也可以在一个清华开源镜像网站 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/进行下载,下载的时候注意系统位数,x86为32位,x86_64为64位.
进行安装时需要一步步来进行,不然中间会有让你选则yes or no 的选项,如果没有选择的话,就会出现问题.
除此还还出现问题的话就是设置环境变量:
$ sudo gedit ~/.bashrc
添加以下内容:
PATH=/home/gwl/anaconda2/bin:$PATHexport PATH
八、安装OpenCV 2.4.12
1)下载OpenCV的源码,解压到任意目录
https://github.com/Itseez/opencv/tree/2.4
$ unzip opencv-2.4.12.zip
2)进入源码目录,创建release目录
$ cd opencv-2.4.12
$ mkdir release
3)可以看到在OpenCV目录下,有个CMakeLists.txt文件,需要事先安装一些软件
$ sudo apt-get install build-essential cmake libgtk2.0-dev pkg-config python-dev python-numpy libavcodec-dev libavformat-dev libswscale-dev
4)进入release目录,安装OpenCV是所有的文件都会被放到这个release目录下
$ cd release
5)cmake编译OpenCV源码,安装所有的lib文件都会被安装到/usr/local目录下
$ cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local ..
6) 安装
$ make
$ sudo make install
7).环境变量
下面配置library,打开/etc/ld.so.conf.d/opencv.conf,在末尾加入/usr/local/lib (一般已经默认添加了,不放心可以打开看看,没有的话就加上).然后
$ sudo ldconfig
然后编辑/etc/bash.bashrc
加入PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig export PKG_CONFIG_PATH
8)验证
法一:可以编译运行opencv samples中的例程或者自己写一个简单的显示图片的小例子来验证是否安装成功测试,在某个目录下建立一个test.cpp文件
#include <cv.h>
#include <highgui.h>
using namespace cv;
int main(int argc, char* argv[])
{
Mat image;
image = imread(argv[1], 1);
if (argc != 2 || !image.data)
{
printf("No image data\n");
return -1;
}
namedWindow("Display Image", CV_WINDOW_AUTOSIZE);
imshow("Display Image", image);
waitKey(0);
return 0;
}
写一个cmake的makefile,也叫CMakeLists.txt
project(test)
find_package(OpenCV REQUIRED)
add_executable(test test)
target_link_libraries(test ${OpenCV_LIBS})
cmake_minimum_required(VERSION 2.8)
编译+运行
$ cmake .
$ make
可以得到可执行文件test,之后随便整个图片做个测试,注意要和上面那个可执行文件放在同一目录下面,我这里名字取的是test.jpg。
./test test.jpg
如果能看到照片,那就表示成功了.
法二:
进入opencv文件夹下的sample/c目录
$ cd samples/c
$ ./build_all.sh
如果正确安装,会进行编译,编译之后
$ ./facedetect lena.jpg
至此,OpenCV安装成功.
九、最后依赖项添加确保成功
$ sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
安装pycaffe必须的一些依赖项:
$ sudo apt-get install -y python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags Cython ipython
十、下载编译Caffe
1)下载Caffe源代码:
$ git clone https://github.com/bvlc/caffe.git
2)安装配置:
$ cd caffe
$ sudo cp Makefile.config.example Makefile.config
3)配置文件修改
$ sudo gedit Makefile.config
a. 启用CUDNN,去掉"#"
USE_CUDNN := 1
b. 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
c. 启用Intel Parallel Studio XE 2016
BLAS := mkl
d. 配置路径,实现caffe对Python和Matlab接口的支持
PYTHON_LIB := /usr/lib
MATLAB_DIR := /usr/local/MATLAB/R2015b
e.若安装Anaconda,则
注释掉原来的PYTHON_INCLUDE,使用ANACONDA的配置,
注意文件的
ANACONDA_HOME := $(HOME)/anaconda
可能需要改为
ANACONDA_HOME := $(HOME)/anaconda2
f.若使用的opencv版本是3的,则将
#OPENCV_VERSION := 3
修改为:
OPENCV_VERSION := 3
g.若要使用python来编写layer,则将
#WITH_PYTHON_LAYER:=1
修改为:
WITH_PYTHON_LAYER :=1
4).编译caffe-master!!!"-j4"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。
$ sudo make all -j4
$ sudo make test -j4
$ sudo make runtest -j4
编译Python和Matlab用到的caffe文件
$ sudo make pycaffe -j4
$ sudo make matcaffe -j4
**编译出现的问题
问题(1)是,一些函数没有进行声明,解决方法就是上面cudnn下面的方法.
问题(2)是:
NVCC src/caffe/util/math_functions.cu
nvcc fatal : Unsupported gpu architecture 'compute_60'
make: *** [.build_release/cuda/src/caffe/util/math_functions.o] 错误 1
make: *** 正在等待未完成的任务....
解决办法:由于安装的cuda版本是7.5,当前下载的caffe版本比较新,需要修改里面的makefile文件,屏蔽下面的代码,cuda<8.0,谷歌具体参考网址(https://stackoverflow.com/questions/41212725/error-when-building-gpu-docker-image-for-caffe-unsupported-gpu-architecture-co)
#-gencode arch=compute_60,code=sm_60 \
#-gencode arch=compute_61,code=sm_61 \
#-gencode arch=compute_61,code=compute_61
重新编译的过程中,首先需要清除掉以往编译的结果:
$ make clean
然后再重新编译:
编译过程中可能会出现如下错误:
错误内容1:
"fatal error: hdf5.h: 没有那个文件或目录"
解决办法:
step1:在Makefile.config文件的第85行,添加/usr/include/hdf5/serial/ 到 INCLUDE_DIRS,也就是把下面第一行代码改为第二行代码。
将:
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
替换为:
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/
stept2:在Makefile文件的第173行,把 hdf5_hl 和hdf5修改为hdf5_serial_hl 和 hdf5_serial,也就是把下面第一行代码改为第二行代码。
将:
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
改为:
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial
错误内容2:
"libcudnn.so.5 cannot open shared object file: No such file or directory"
解决办法是将一些文件复制到/usr/local/lib文件夹下:
#注意自己CUDA的版本号!
Sudo cp /usr/local/cuda-8.0/lib64/libcudart.so.8.0 /usr/local/lib/libcudart.so.8.0 && sudo ldconfig
sudo cp /usr/local/cuda-8.0/lib64/libcublas.so.8.0 /usr/local/lib/libcublas.so.8.0 && sudo ldconfig
sudo cp /usr/local/cuda-8.0/lib64/libcurand.so.8.0 /usr/local/lib/libcurand.so.8.0 && sudo ldconfig
sudo cp /usr/local/cuda-8.0/lib64/libcudnn.so.5 /usr/local/lib/libcudnn.so.5 && sudo ldconfig
$ make test -j4
$ make runtest
若runtest报错,则尝试在~/.bashrc文件末尾添加输入一行export MKL_CBWR=AUTO,即:
$ sudo gedit ~/.bashrc
export MKL_CBWR=AUTO #打开的文件末尾加入该行,然后保存退出。
sudo ldconfig #编译立即生效
再编译:
$ make clean
$ make
十一、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/username/caffe-master,所以下面的工作,默认已经切换到了该工作目录。下面的工作主要是,用于测试Caffe是否工作正 常,不做详细评估。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支持多种数据格式输入网络,包括Image(.jpg, .png等),leveldb,lmdb,HDF5等,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
至此,Caffe安装的所有步骤完结!
参考:
Ubuntu14.04下深度学习框架Caffe的搭建 https://www.jianshu.com/p/65ea9c0f5498
开源深度学习框架Caffe在Ubuntu14.04下的搭建 http://blog.sina.com.cn/s/blog_15f0112800102wmcw.html
Ubuntu14.04配置opencv2.4.12 https://blog.csdn.net/liuxiangxxl/article/details/79914041
Ubuntu 14.04 安装CUDA7.5 + Caffe + cuDNN https://www.linuxidc.com/Linux/2016-11/136768.htm
Ubuntu14.04+CUDA7.5+Anaconda2-4.0.0+Matlab2014b+Caffe from Scratch
宇宙骑士欧老师 https://blog.csdn.net/u010305044/rss/list
Ubuntu 16.04+CUDA8.0+MKL+OpenCV3.2+Matlab R2016b+Caffe安装 https://www.linuxidc.com/Linux/2017-10/147617.htm
caffe编译matlab接口的问题解决 https://blog.csdn.net/shawncheer/article/details/72366837
caffe---make发生的错误和解决办法1 https://blog.csdn.net/jpday/article/details/70741619