配置caffe(cuda=9.0+cudnn=7.0)

一、配置前准备

  1. 下载caffe:https://github.com/BVLC/caffe
  2. 安装依赖项:

     sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev

      sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler

       sudo apt-get install -y protobuf-c-compiler protobuf-compiler

  3. 安装glog(防止配置caffe,在make时候把报错(fatal error: glog/logging.h: No such file or directory))

编译和安装:

  • cd到解压文件夹下
  • ./autogen.sh
    ./configure
    make
    make install
    二、配置Caffe
  1. Cd到caffe目录下,将Makefile.config.example,更名为Makefile.config
cp Makefile.config.example Makefile.config

 2.打开并修改配置文件

sudo test
#修改文件:
(a)若使用cudnn,则
#USE_CUDNN := 1修改成:USE_CUDNN := 1
(b)若使用opencv版本为3,则
#OPENCV_VERSION := 3修改为:OPENCV_VERSION := 3
(c)若使用ptyhon来编写layer,则
#WITH_PYTHON_LAYER := 1修改为WITH_PYTHON_LAYER := 1
(d)注释两行
#-gencode arch=compute_20,code=sm_20 \
#-gencode arch=compute_20,code=sm_21 \

3. 修改makefile文件

sudo gedit Makefile
将NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替换为
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)

4. 编译caffe并且测试

make clean
make –j8
make test –j8
make runtest –j8

5.如果执行runtest后,输出PASSED,说明测试成功。

 

三、 #安装python接口#

Cd到caffe
Make pycaffe
gedit ~/.bashrc
#添加:
export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH
#生效
source ~/.bashrc

成功

 

 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 在 PyTorch 1.13 中启用 BUILD_CAFFE2=1 的方法如下: 1. 在编译 PyTorch 时使用环境变量 BUILD_CAFFE2 来指定是否启用 Caffe2 支持。例如,在 Linux 或 MacOS 中,可以使用以下命令行来编译 PyTorch: ``` BUILD_CAFFE2=1 python setup.py install ``` 2. 在代码中导入 PyTorch 中的 Caffe2 模块。例如,可以使用以下代码来导入 Caffe2 模块: ```python import torch.caffe2 ``` 注意:启用 BUILD_CAFFE2=1 后,PyTorch 会在编译时包含 Caffe2 的源代码,并且 PyTorch 的安装包体积会增大。 ### 回答2: 在PyTorch 1.13中启用BUILD_CAFFE2=1是为了开启与Caffe2的集成。Caffe2是Facebook开源的深度学习框架,它提供了高效的数值计算库和训练工具。PyTorch是基于Torch框架的一个Python工具包,它提供了强大的张量计算和动态神经网络的开发环境。 通过启用BUILD_CAFFE2=1,我们可以使用Caffe2的功能来加速PyTorch的训练和推理过程。Caffe2在CPU和GPU都有高效的实现,能够更好地利用硬件资源来提高计算性能。此外,Caffe2还提供了一些特殊的操作符和工具,可以用于模型的优化和部署。 在使用PyTorch时,通过启用BUILD_CAFFE2=1,我们可以轻松地切换到Caffe2的运行时,以实现更高的性能和更广泛的部署选项。例如,我们可以使用Caffe2的优化器、分布式训练和模型剪裁等功能,来提高模型的准确性和效率。另外,启用BUILD_CAFFE2=1也可以使我们更方便地将PyTorch模型部署到移动设备、边缘计算设备或云端服务器上。 总而言之,通过在PyTorch 1.13中启用BUILD_CAFFE2=1,我们可以利用Caffe2的特性和功能,进一步提高PyTorch框架的性能和部署灵活性。 ### 回答3: PyTorch 1.13启用BUILD_CAFFE2=1的意思是在构建PyTorch的时候启用了Caffe2。Caffe2是Facebook开发的机器学习框架,它在深度学习和机器学习领域有着广泛的应用。 开启BUILD_CAFFE2=1的主要目的是使PyTorch能够充分利用Caffe2的功能和特性,以提供更好的性能和功能扩展。具体来说,启用Caffe2可以带来以下几个方面的优势: 1. 加速训练和推理:Caffe2针对高效的计算图执行进行了优化,可以提供比纯Python实现更好的性能。这使得PyTorch能够更快地进行模型训练和推理,提升整体的效率和速度。 2. 跨平台支持Caffe2支持多种硬件和操作系统平台,包括CPU、GPU和移动设备等。通过启用Caffe2,PyTorch可以更好地在不同平台上运行和部署,提供更大的灵活性和适用性。 3. 模型部署和移植性:Caffe2具有较好的模型导出和移植性。通过使用Caffe2,PyTorch可以更容易地将模型部署到生产环境中,并与其他框架集成。这为使用PyTorch进行实际应用开发提供了便利。 4. 开发者社区的支持:启用BUILD_CAFFE2=1可以获得来自Caffe2和PyTorch社区的更广泛支持。这可以让开发者更容易地获取到关于Caffe2和PyTorch的有关问题解答、教程和文档等资源,加快学习和开发的速度。 总而言之,启用BUILD_CAFFE2=1是为了让PyTorch能够更好地利用Caffe2的优势,提供更好的性能、跨平台支持和模型部署能力。这使得PyTorch成为了一款更强大和完善的深度学习框架。

“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