ubuntu16.04.3中caffe编译

ubuntu16.04.3中caffe编译

1、系统环境说明

    利用lsb_release -a命令和uname -a命令查看操作系统信息或者直接点击右上角菜单中的“关于这台计算机”。

    输入python命令可以看到Python的版本为Python 2.7.12 ，不要忘了quit()出来

2、安装依赖包

    输入以下命令：

          sudo apt-get install libprotobuf-dev

         sudo apt-getinstall libleveldb-dev

         sudo apt-getinstall libsnappy-dev

         sudo apt-get install libopencv-dev

         sudo apt-get install libhdf5-serial-dev

         sudo apt-get install protobuf-compiler

         sudo apt-get install libgflags-dev

         sudo apt-get install libgoogle-glog-dev

         sudo apt-get install liblmdb-dev

         sudo apt-get install libatlas-base-dev

         sudo apt-get install --no-install-recommends libboost-all-dev

(在这里有一个sudo apt-get install python-dev的命令没有输入，不知道是否有影响）

2、下载caffe

（1）安装git工具：

        sudo apt-get install git

(2)下载caffe包：

    首先创建一个文件夹用来存放caffe包，然后开始下载：

        git clone https://github.com/bvlc/caffe.git

（3）安装python接口依赖项：（这些依赖项在/caffe/python中的requirements.txt文件中）

    进入caffe目录下：

        cd caffe

    进入里面的PYTHON文件夹，输入：

        cd python

        for req in $(cat requirements.txt); do pip install $req; done

    如果没有pip需要先进行安装：sudo apt install python-pip

3、安装caffe

(1)复制Makefile.config.example文件，改名为Makefile.config文件：

        cp Makefile.config.example Makefile.config

(2)根据需要修改Makefile.config文件，博主比较关注的是CPU还是GPU模式、是否使用cuDNN以及CUDA接口这三个问题：

    根据以往的经验加上博主的电脑GPU和显存都不是十分理想，因此博主选择来CPU模式，就不用管CUDA了。同时，友情提示：打开cuDNN功能会导致网络结构很大而系统显存不够用，所以请量力而行（初始化网络就需要5G+的显存）;

    基于以上需求，博主作出如下改动：

1）将CPU_ONLY = 1前的注释符号删去，这是为了实现CPU模式，具体位置如下图：

2）更改hdf5路径，否则编译时会报hdf5错误，更改内容如下：

# Whatever else you find you need goes here.

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial

LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial

更改效果如下：

（3）开始编译caffe

    cd定位至caffe文件夹，输入命令：make pycaffe

    遇到如下图所示问题：

分析原因是由于python没有安装numpy模块，手动下载：sudo apt-get install python-numpy

下载完毕后再次输入：make pycaffe，这一次很快就编译完成了（博主也不知道有咩游问题）

之后输入：make all，完成速度也比博主想象中要快许多（windows编译留下来阴影）

之后输入：make test

完成后输入：make runtest

如果最后显示如下图，表示caffe已经编译成功了：

4、配置Python接口

    此时其实已经可以在python中import caffe，但是必须cd进入/caffe/python的路径中

    之所以会出现这种问题，是因为在系统的环境变量PATH中并没有caffe。有两个选择，第一是更改系统环境变量，第二是在python中对于sys.path进行更改。介于第二个方法对于系统整体影响较小（即使操作失误问题也不大），故博主选择了第二种方法。实现方法是在import python前加以下命令：

import sys

sys.path.append("~/caffe/python/")#这里的～应该是你caffe文件夹的路径

    效果如下图：

5、训练测试——MNIST训练

1)下载数据集

   数据集的下载与解压是通过caffe自带的get_mnist.sh，命令如下：

cd ~/caffe/data/mnist

./get_mnist.sh

    效果如下图：

2）转换格式

   将下载的二进制原始数据集转换为lmdb形式，命令如下：

cd ~/caffe

./examples/mnist/create_mnist.sh

    效果如下图：

3)开始训练

   介于我们编译的是CPU_ONLY的caffe框架，因此需要先进入～/caffe/examples/mnist中修改lenet_solver.prototxt文件，修改训练测略：将最后一行的solver_mode: GPU改为solver_mode: GPU，如下图所示：

    之后输入以下命令进行训练:

./examples/mnist/lenet_solver.prototxt

    以上，完成所有步骤。最终效果如下：