虚拟机环境下Ubuntu系统的Caffe安装 CPU-ONLY

Caffe的安装是今天下午进行的,主要包含以下几点,一是操作步骤,二是存在的问题及解决方法,三是至今仍存在的问题
1 21天实战caffe
首先是Ubuntu环境准备,在Ubuntu14.04系统中,Caffe的所有依赖包都可以使用apt-get大法搞定
在ubuntu下如果没有使用root账号,则每个命令前需要加sudo
Sudo apt-get install git
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install –no-install-recommends libboost-all-dev
sudo apt-get libatlas-base-dev
sudo apt-get install python-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
1)下载caffe源码
Git clone https://github.com/bvlc/caffe.git
Cd caffe/
Mv Makefile.config.example Makefile.config
2)配置Makefile.config:1)CPU_ONLY:=1;2)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)
1)INCLUDE_DIRS:= (PYTHONINCLUDE)/usr/local/include/usr/lib/x8664linuxgnu/hdf5/serial/include2)LIBRARYDIRS:= (PYTHON_LIB)
/usr/local/lib
/usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial
以上这几部操作完毕后,就可以进行caffe的测试
Make clean
Make all
Make test
Make runtest
可参照官网上的信息进行比对,如果不成功,然后再尝试其他方法进行修改,使用make clean删除,再编译;
2 http://caffe.berkeleyvision.org/install_apt.html 官网
Remaining depencies + 12.04 通过结合《21天》中,所说,一些早期的linux发行版可能找不到glog,gflags,lmdb三个依赖包,此时需要以源码编译方式安装

以下内容我看的其他的安装步骤,大同小异
3 http://blog.csdn.net/u010402483/article/details/51506616
在Ubuntu16.04上配置 CPU ONLY
安装依赖包
1) 安装protobug,leveldb,snappy,opencv,hdf5,protobuf complier and boost;
2 )安装gflags,glogs,lmdb and atlas
下载caffe——使用git直接下载caffe非常简单
编译caffe
1 )切换到caffe所在目录
2 )配置Makefile.config:1)CPU_ONLY:=1;2)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)
(1)INCLUDE_DIRS:= (PYTHONINCLUDE)/usr/local/include/usr/lib/x8664linuxgnu/hdf5/serial/include2)LIBRARYDIRS:= (PYTHON_LIB)
/usr/local/lib
/usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial
(3)BLAS:=atlas
计算能力 mkl>openlas>atlas
3) make caffe
Make all –j8
Make test –j8
Make runtest –j8
4) 编译成功,否则执行make clean多执行一下,否则多google吧
编译python接口
1) Caffe拥有python\C++\shell接口,在caffe使用python特别方便,实例中有接口说明
2) 运行python结构
在Mnist运行Lenet
1) 获取数据源
2) 因为是CPU运行,所以修改在examples文件下的Mnist下的lenet_solver.prototxt中的solver_mode:CPU
3)训练模型

4 http://www.linuxidc.com/Linux/2016-09/135034.htm
本文针对于16.04版本,python APT,CPU _ONLY format
第一部分,安装dependencies以及下载源代码
这里额外解释了一点,在安装depencies时,以上所有sudo apt-get在什么文件夹下输入都无所谓
然后把caffe的源代码下载下来,使用的是git clone 网址(如果没有安装git的得先安装一下,这一点在《21天》中有所提及,安装命令为:sudo apt-get install git)
针对于python而言,下载完成后,进入caffe文件夹,进入里面的python文件夹,然后输入:for rep in (catrequirements.txt);dopipinstall rep; done(pip如果没有安装得先安装一下:sudo apt install python-pip)
第二部分,安装caffe
到caffe文件夹,cp Makefile.config.example Makefile.config,因为是CPU MODE,所以在CPU_ONLY:=1前面的#去掉
两个路径要改成这样(添加后面的两个hdf5的路径,否则编译时报hdf5错误)
INCLUDE_DIRS := (PYTHONINCLUDE)/usr/local/include/usr/include/hdf5/serialLIBRARYDIRS:= (PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial
(上文中,如下
1)INCLUDE_DIRS:= (PYTHONINCLUDE)/usr/local/include/usr/lib/x8664linuxgnu/hdf5/serial/include2)LIBRARYDIRS:= (PYTHON_LIB)
/usr/local/lib
/usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial
3)BLAS:=atlas
计算能力 mkl>openlas>atlas
)
准备好了 make pycaffe make all make test make runtest
结果显示ALL TESTS PASSED就安装好了,只需要再加上一个PYTHONPATH
另外,这个make默认的是用CPU单核运算,如果想要快一点,在make后面加上-j4标签,如果上面4行某一行报错之后想要重试,建议先make clean再重新开始
第三部分:设置python caffe
去到caffe文件夹里面的python文件夹,将当前路径记录下来pwd,然后输入以下命令(吧唧下的路径放到相应地方)
Export PYTHONPATH=/path/o/caffe/python: PYTHONPATH python2.7
第四部分错误
所有的错误基本都是因为dependencies缺乏或者路径不对,所以根据具体的错误信息对症下药,都会遇到各种错误,多一点点耐心,多谷歌一下,一定能完成的

Q:
1)这里提出一个问题:sudo的这些东西,在哪个地方进行压缩?
2)CUDA是什么意思?
CUDA是显卡厂商NVIDIA推出的运算平台,通用并行计算架构,该架构使CPU能够解决复杂的计算问题,开发人员可以使用C语言来为CUDA架构编写程序
3)碰到的问题:Could not create work tree dir ‘caffe’: Permission denied
原因是没有权限在这里进行书写,解决办法是在命令之前加上“sudo”二字
这里写图片描述
4)protobuf是个啥
它是google的一个开源项目,功能是把某种数据结构的信息以某种格式保存及传递,类似于微软的XML,但是效率较高,目前提供C++/JAVA/PYTHON的API
5)查看ubuntu正在进行的进程
http://jingyan.baidu.com/article/a24b33cd55c3ba19ff002b4f.html
Ps –aut | grep git 前者是查看所有正在运行的进程,后者是进行筛选
6)
这里写图片描述
.build_release/src/caffe/proto/caffe.pb.h:9:42: fatal error:google/protobuf/stubs/common.h:No such file or directory
不知为何,解决的以上的问题,方法是因为其中找不到protobuf文件或文件夹,我就在/usr/local/caffe的位置上,又下载了相关的依赖,如文中之前所示,结果执行make –j 没有报任何错误
7)
这里写图片描述
http://blog.csdn.net/u012576214/article/details/68947893
在双系统安装的时候,又出现了一个新的问题,经过仔细阅读日志,错误提示,发现是没有找到cblas.h这个库,在网上搜索之后,发现其余BLAS有些联系,回顾自己的安装过程,确实漏掉了这一点,将这个包安装后,运行成功
经验是在每次安装之前,要将计划写详细,写清楚,以免造成不必要的麻烦,如这一次,做人做事学习都是如此
8)再次安装双系统时,碰到如下问题
这里写图片描述
PROTOC src/caffe/proto/caffe.proto make:protoc:Command not found
http://blog.csdn.net/jningwei/article/details/73499018
http://www.linuxidc.com/Linux/2016-12/138716.htm
依据的是这两篇文章进行解决的,通过分析,原因是没有下载protobuf-compiler包,我通过尝试protoc – version 然后系统就提示没有被安装,可通过sudo apt-get install protobuf-compiler进行安装
为什么我之前已经安装过了,还要安装呢?之前是在/usr/local路径下安装的,现在是在/usr/local/caffe下安装的
我有一个猜测,就是dependencies需要在caffe下面进行安装,原因是刚才运行make –all时,又出现的关于hdf5相关的问题,我之前明明已经安装过了,我再次在/usr/local/caffe下安装了这个程序,再次make all就可以顺利执行了(之前的教程都没有说这些内容)

  • 0
    点赞
  • 0
    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。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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