caffe环境搭建

su获取root权限

一、make all -j4

  以TSNproject为基础，需要修改三个地方：

1. 替换temporal-segment-networks/lib/caffe-action/目录下的Makefile.config 参考
2. 修改temporal-segment-networks/lib/caffe-action/Makefile文件的LIBRARIES和PYTHON_LIBRARIES

LIBRARIES += glog gflags protobuf leveldb snappy \
	lmdb boost_system hdf5_hl hdf5 m \
	opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs
PYTHON_LIBRARIES := boost_python3 python3.6m

3. temporal-segment-networks/lib/caffe-action/src/caffe/layers/contrastive_loss_layer.cpp文件，将56行改为

Dtype dist = std::max(margin - sqrt(dist_sq_.cpu_data()[i]), Dtype(0.0));

二、make test -j4

1. temporal-segment-networks/lib/caffe-action/include/caffe/test/test_gradient_check_util.hpp文件，将167行改为

Dtype scale = std::max(std::max(fabs(computed_gradient), fabs(estimated_gradient)), Dtype(1.));

2. temporal-segment-networks/lib/caffe-action/src/caffe/test/test_contrastive_loss_layer.cpp文件，将82行改为

Dtype dist = std::max(margin - sqrt(dist_sq), Dtype(0.0));

三、make runtest -j4

退出root权限

四、sudo make pycaffe

 
 

五、caffe GPU加速模式

为了让caffe支持GPU模式，需要安装GPU驱动和CUDA Toolkit，参考NVIDIA官方安装手册 NVIDIA CUDA Installation Guide For Linux。
切换到caffe 加速模式
首先修改Makefile.config中的选项：
#仅CPU模式开关，这里要使用GPU模式，所以加上“#”
#CPU_ONLY :=1
保存，退出。重新编译整个工程：

make clean
make j
# 参考上面编译过程

编译完成后，将.prototxt中的最后一项solver_mode改为GPU：
#solver mode:CPU or GPU
solver_model:GPU
也可以在命令行显示的加入选项"-gpu 0",表示在0号GPU设备上运行caffe。在GPU上加速模式下训练效果与CPU模式下没有区别。

六、caffe cuDNN加速模式

为了能达到更高的性能，借助专业的加速库cuDNN提升caffe计算速度。默认CUDA安装不包括cuDNN，选择与自己版本的caffe，cuDNN版本对应的cuDNN。
切换到caffe cuDNN加速模式
只需要修改Makefile.config中的选项：
#cuDNN加速开关，这里要使用cuDNN，所以打开（去掉前面的“#”）该开关
USE_CUDNN :=1
保存，退出。重新编译整个工程：

make clean
make j
# 参考上面编译过程

七、关闭ECC

为了让性能最优，建议关掉ECC，开启最大时钟频率。尽量ECC在速度上会引入可忽略的差异，但关掉它可以节省奖金1GB的GPU存储器。