配置一些框架时,经常会到各种坑,搞不好就是一周的血泪史,我把caffe教程贴出来,希望能帮到一些童鞋
安装caffe我推荐的CUDA8.0+CUDNN5.1,CUDA9.0对opencv某些版本的兼容性不好
https://blog.csdn.net/qq_41581769/article/details/90312694 这里是ubuntu16.04+CUDA8.0+CUDNN5.1的安装教程,里面有CUDA8.0和CUDNN5.1百度网盘连接
CUDA8.0+CUDNN5.1安装caffe时,opencv2.4和opencv3+以上的版本均可,亲测
1.安装各种依赖
sudo apt-get update
sudo apt-get install -y build-essential cmake git pkg-config
sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install -y libatlas-base-dev
sudo apt-get install -y--no-install-recommends libboost-all-dev
sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install -y python-pip
sudo apt-get install -y python-dev
sudo apt-get install -y python-numpy python-scipy
2.从github上获取caffe:
git clone https://github.com/BVLC/caffe.git
3.切换到caffe’目录,将Makefile.config.example的内容复制到Makefile.config:
sudo cp Makefile.config.example Makefile.config
4.打开Makefile.config文件
sudo gedit Makefile.config
根据个人情况修改文件:
a.若使用cudnn,则
将
#USE_CUDNN := 1
修改成:
USE_CUDNN := 1
b.若使用的opencv版本是3的,则
将
#OPENCV_VERSION := 3
修改为:
OPENCV_VERSION := 3
c.若要使用python来编写layer,则
将
#WITH_PYTHON_LAYER := 1
修改为
WITH_PYTHON_LAYER := 1
d. 将# Whatever else you find you need goes here.下面的
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
修改为:
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial
5.修改 Makefile,也是在caffe目录下,不带后缀的这个
将:
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替换为:
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
6.编辑/usr/local/cuda/include/host_config.h
将其中的第119行注释掉,你的文件可能不在这一行,但是就在附近,自己看一下
将
#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
改为
//#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
7.编译
make all -j8
8.测试,大概几分钟,出现下图结果,恭喜你配置完成
sudo make runtest
MNIST数据集测试
配置caffe完成后,我们可以利用MNIST数据集对caffe进行测试,过程如下:
1.将终端定位到Caffe根目录
cd ~/caffe
2.下载MNIST数据库并解压缩
./data/mnist/get_mnist.sh
3.将其转换成Lmdb数据库格式
./examples/mnist/create_mnist.sh
4训练网络
./examples/mnist/train_lenet.sh
训练的时候可以看到损失与精度数值,如下图: