总算要在自己电脑搭建caffe环境了,一不做二不休,把之前一直想换的ubuntu13.10卸了,装上了ubuntu14.10。
顺便说下要在自己电脑上跑caffe实验,最低配置显存2G,硬盘空间100G,低于这个配置就只能配好后学习下框架,看看代码,跑实验就别想了。比如我的电脑两项配置都只有这标准的一半。
第一步: nVidia驱动和CUDA ToolKit的安装和调试
直接用(*.deb方法)
1. CUDA Repository
获取CUDA安装包,安装包请自行去NVidia官网下载。
2. CUDA Toolkit
3. Environment Variables
3. 切换目录Ubuntu\3.0\安装OpenCV 3.0.0rc1:
sudo sh opencv3_0_0-rc1.sh
这里要等比较久。。。
如果出错的话,可以google一下提示错误信息,2.几版本我装了无数次都因为各种原因失败了,但是3.0这个版本安装成功了。
四、安装其他依赖项
1. Google Logging Library(glog),下载地址:https://code.google.com/p/google-glog/,然后解压安装:
2. 其他依赖项
五、安装caffe
1. 安装pycaffe必须的一些依赖项:
2.安装cuDNN
cuDNN能大大降低GPU处理的时间,但是我的显卡工作能力只有2.1,并不能够支持cuDNN,无奈跳过此步。另外官网上申请下载cuDNN也是个麻烦的过程。
3.github上下载caffe包,切换到Caffe-master的文件夹,生成Makefile.config配置文件,执行:
4. 配置Makefile.config文件(仅列出修改部分)
a. 启用GPU,添加注释"#"
# CPU_ONLY := 1
b. 配置Makefile文件(实现对OpenCV 3.x的支持)
查找“Derive include and lib directories”一节,修改“LIBRARIES +=”的最后一行,增加opencv_imgcodecs
opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs
5. 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。
编译Python和Matlab用到的caffe文件
六、测试
至此caffe环境已经搭建完成,进入examples文件夹,里面有许多样例。把mnist和ciar10这两个样例仔细看一遍跑一遍,就能基本了解caffe的使用了。
搭建过程中,遇到任何错误,google一下都是能找到解决方法的。
刚入门caffe的新手,行文粗糙,多多指正。
我的安装过程主要参考
https://ouxinyu.github.io/Blogs/20140723001.html
多谢这位大神。