Wndows安装配置CPU版本的Caffe-SSD

配置环境: windows-caffe-SSD + Windows7 X64 + VS2013 + Matlab213a + Anconda2
(caffe-SSD微软的官方源代码:链接:http://pan.baidu.com/s/1c12xAgw 密码:vurt. NuGet会自动配置caffe-ssd所需的库)
在CPU上安装, 因此不用安装CUDA和cuDNN.

1 不用下载3rdparty. 3rd party dependencies required by Caffe-SSD are automatically resolved via NuGet.

2 Copy ./windows/CommonSettings.props.example to ./windows/CommonSettings.props. CommonSettings.props是caffe-windows的配置文件, 现来修改CommonSettings.props:
1) 由于是在CPU上安装windows-caffe-ssd. 因此设置CpuOnlyBuild为true, UseCuDNN为false.

2) 编译pycaffe. set PythonSupport to true. 安装pycaffe所需的库:
pip install numpy scipy matplotlib scikit-image protobuf # 在安装anaonda2时, 只有protobuf未安装.
设置Python的根路径: <PythonDir>E:\Ly\Software\Anaconda</PythonDir>
当编译完windows-caffe-ssd后, 要将pycaffe/caffe拷贝至Python的lib/site-packages下.

3) 编译matcaffe: set MatlabSupport to true.
设置MATLAB的根路径: <MatlabDir>E:\Ly\Software\MATLAB2013a</MatlabDir>
<IncludePath>$(MatlabDir)\extern\include;$(MatlabDir)\toolbox\distcomp\gpu\extern\include;$(IncludePath)</IncludePath>
(解决: 无法打开包括文件: “gpu/mxGPUArray.h”: No such file or directory.)
同Python一样, 编译完windows-caffe-ssd后, 也需要设置MATLAB的caffe路径.

4) 不复制ssd_new下所有文件, 利用原有的源代码windows-caffe-SSD进行编译. 但是复制ssd_new/src/caffe下的3rdparty文件夹至微软caffe-ssd的rc/caffe下; 复制include/caffe下的3rdparty文件夹至微软caffe-ssd的include/caffe下.

3 利用VS2013打开./windows/Caffe.sln.
编译时将整个工程进行编译. 也可以选择编译, 先编译libcaffe, 再编译matcaffe和pycaffe.
1) build之前, 将解决方案改为Release版本, 将平台设为x64(配置管理器). 先生成解决方案, 只进行编译.
2) 项目->属性->C/C++常规, 将”警告视为错误”的选项改为”否”. 解决: “未能生成object文件(警告被视为错误)”.

编译(生成解决方案), Microsoft版本的caffe会先通过编译完成NuGet下载相关的依赖库, 完成后, 会发现在caffe源码目录的上一级多了一个名为NugetPackages的文件夹. 因为在编译caffe时已经生成了, 因此生成完毕的不会重新生成!!!

直接编译通过, 没有错误.
编译完毕会在caffe目录下生成Build文件.

(另外, 不用像网上说的将ssd_detect.cpp文件加进解决方案下的classification项目中, 再编译. 微软的caffe-ssd在examples\ssd下已经设置了ssd_detec.cpp. ssd_detec.cpp经过classification.cpp修改, 在编译整个工程的时候已经编译生成了ssd_detect.exe.)

4 配置matcaffe
打开MATLABR2013a, 将生成的matcaffe文件夹加入到matlab搜索路径中.
>>>pathtool
在打开的窗口中点击Add Folder, 添加matcaffe文件路径. 即E:\Ly\Office\caffe-ssd-microsoft\Build\x64\Release\matcaffe.
或者将E:\Ly\Office\caffe-ssd-microsoft\Build\x64\Release添加到系统环境变量里面

5 配置pycaffe
将E:\Ly\Office\caffe-ssd-microsoft\Build\x64\Release\pycaffe文件夹下的caffe文件夹复制到python的site-packge目录中. 即路径E:\Ly\Software\Anaconda\Lib\site-packages.

最后, 重启电脑就可以使用matcaffe和pycaffe了.

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 安装caffe-ssd-gpu在ubuntu18.04的步骤如下: 1. 安装CUDA:从Nvidia官网下载合适的CUDA安装包,按照官方文档的指引进行安装。 2. 安装依赖:运行以下命令安装所需依赖库: ``` sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev \ libopencv-dev libhdf5-serial-dev protobuf-compiler \ libgflags-dev libgoogle-glog-dev liblmdb-dev libboost-all-dev ``` 3. 下载caffe-ssd-gpu源码并编译:从Github上下载caffe-ssd-gpu的源码,按照官方文档指引进行编译。编译时需要指定编译选项为GPU模式。 4. 运行测试:安装完成后,运行测试脚本,确保安装配置成功。 以上为简要步骤,具体操作请参考对应文档和官方指引。 ### 回答2: Ubuntu18.04是目前比较常见的Linux操作系统之一,而CAFFE-SSD-GPU是深度学习的一个工具。下面是安装caffe-ssd-gpu的步骤: 1. 安装CUDA和cuDNN 首先,您需要安装CUDA和cuDNN,这是运行深度学习框架所需的必备组件。下载安装CUDA和cuDNN之前,您需要查看您的图形卡的型号,以便选择正确的CUDA版本和cuDNN版本。 在下载和安装CUDA和cuDNN之前,您需要在NVIDIA的开发者网站上注册自己,并下载适用于您机器的CUDA和cuDNN版本。此外,您还需要在命令行界面中设置以下环境变量: export PATH=/usr/local/cuda-8.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH 2. 安装依赖项 在安装caffe之前,需要安装一些依赖项。您可以使用以下命令将这些依赖项安装到您的Ubuntu系统上: sudo apt-get update sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev protobuf-compiler gfortran libjpeg62 libfreeimage-dev libatlas-base-dev git python-dev python-pip libgoogle-glog-dev libbz2-dev libxml2-dev libxslt-dev libffi-dev libssl-dev libgflags-dev liblmdb-dev python-yaml python-numpy python-scipy 3. 下载和安装CAFFE 现在,您需要在您的系统上下载和安装CAFFE。从github上获取caffesource代码并进行安装: git clone https://github.com/weiliu89/caffe.git cd caffe git checkout ssd 4. 编译和安装CAFFE 使用以下命令编译和安装caffe: cp Makefile.config.example Makefile.config make all -j $(($(nproc) + 1)) make pycaffe 执行该命令后,您需要等待一段时间才能完成CAFFE的编译。如果出现任何编译错误,请检查您的CUDA和cuDNN版本是否正确,并重新安装依赖项。 5. 使用CAFFE-SSD-GPU 现在,您已经成功地在Ubuntu18.04操作系统上安装并编译了CAFFE-SSD-GPU,您可以开始使用该工具来执行深度学习任务了。 总结 安装CAFFE-SSD-GPU需要充分理解linux的命令行操作。需要先确认CUDA和cuDNN已经安装,并正确设置环境变量。然后需要下载和安装CAFFE, 并最后编译和安装CAFFE。在安装过程中如果存在问题,可以查看错误日志,重新检查步骤。如果对命令行操作不熟悉,则先学习linux基础操作。 ### 回答3: caffe-ssd-gpu是一种基于caffe框架的用于实现目标检测的神经网络模型,在Ubuntu18.04系统中安装caffe-ssd-gpu需要进行以下步骤: 1. 安装CUDA CUDA是NVIDIA公司推出的用于高性能计算的并行计算平台和编程模型,是使用GPU进行深度学习任务所必需的。在Ubuntu18.04上安装CUDA需要首先确认自己的显卡型号,并选择合适的CUDA版本进行安装。可以在NVIDIA官网上下载相应的CUDA安装包,也可以通过命令行方式进行安装。在安装过程中注意要按照提示完成相应的配置和设置。 2. 安装cuDNN cuDNN是用于深度神经网络的GPU加速库,也是必需的组件之一。在安装过程中同样需要确认CUDA的版本和自己的显卡型号,并下载相应的cuDNN安装包进行安装。 3. 安装依赖包 在安装caffe-ssd-gpu前需要先安装几个依赖包,包括protobuf、opencv、boost等。可以通过命令行方式进行安装,例如: ``` sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev ``` 4. 下载caffe-ssd-gpu源码 可以在GitHub上找到caffe-ssd-gpu的源码,下载后解压到自己想要的目录下。 5. 编译和安装caffe-ssd-gpu 进入caffe-ssd-gpu源码目录下,执行以下命令: ``` cd caffe-ssd-gpu mkdir build cd build cmake .. make all -j8 make install ``` 其中,make all -j8表示使用8个线程进行编译,提高编译速度。make install表示安装编译好的caffe-ssd-gpu库文件和可执行文件。 6. 测试安装是否成功 可以尝试运行caffe-ssd-gpu自带的测试程序,检查安装是否成功。在源码目录下执行以下命令: ``` ./build/tools/caffe time --model=models/VGGNet/VOC0712/SSD_300x300_ft/deploy.prototxt --gpu=0 ``` 这条命令会测试caffe-ssd-gpu在GPU上执行推断的速度,如果没有问题,则说明安装成功。 需要注意的是,在安装过程中可能会遇到各种问题,例如依赖包的版本不兼容、CUDA和cuDNN的配置出错等等。这时候需要耐心调试错误,逐个解决问题,才能确保caffe-ssd-gpu能够正常运行。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值