FPGA加速卷积神经网络（一）ubuntu中配置caffe环境

1.对Ubuntu进行一些调教

使用vmware新建一个ubuntu18.04.6的64位的Linux系统。
系统装好后会自动下载安装wmware tools，如果没有装，则需要手动安装。
接下来需要更换ubuntu的下载源，否则在后续安装模块的过程中会非常的满，甚至出现报错的情况。
点击桌面左下角的菜单栏，打开software&updates，在download from中选择清华的下载源。

完成后打开terminal执行下列命令更新软件

sudo apt-get update
sudo apt-get upgrade

2.caffe环境配置

下载所需要的依赖库

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev
sudo apt-get install libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

注意看执行过程中的输出信息，未能成功安装的库需要再次单独安装，否则后续在编译caffe的过程中会出现报错。

下载caffe

sudo git clone https://github.com/BVLC/caffe.git

配置Makefile.congfig文件
caffe文件夹中有 Makefile.config.example 文件，是 Caffe自带的 Makefile 的例子，复制这个文件并重命名为 Makefile.config。打开后删除如下选项的前的注释符号#。

CPU_ONLY := 1
OPENCV_VERSION := 3

编译caffe

make all
make test
make runtest

编译过程如果出现没有编译完成就停止编译的情况，可以使用 make clean之后重新编译
测试
完成编译后已经成功安装caffe，接下来使用cifar10进行测试。
在caffe目录下执行下列操作

./data/cifar10/get_cifar10.sh
./examples/cifar10/create_cifar10.sh

将 examples/cifar10/cifar10_quick_solver.prototxt 中的 GPU 改为 CPU
将examples/cifar10/cifar10_quick_solver_lr1.prototxt中的GPU改为CPU

./examples/cifar10/train_quick.sh

出现下面的画面则表示配置成功，可以手动停止。

3.pycaffe环境配置

Caffe 训练及测试时会用到 python 接口， 下面介绍 pycaffe 接口的配置。
下载相关库

sudo pip install --upgrade pip
sudo apt-get install python-numpy python-scipy python-matplotlib python-sklearn python3-pip python-pip
sudo pip install python-skimage
sudo apt-get install python-h5py python-protobuf python-leveldb python-networkx pythonnose python-pandas python-gflags
sudo pip install Cython ipython

如果有一些库下载失败，可以先完成其他库的安装，最后再来重新安装下载失败的库。
编译python接口
进入caffe目录，执行编译

make pycaffe

添加环境变量
在/etc/profile 文件的最后一行中添加环境变量：

export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH

然后在source一下让变量生效。

source /etc/profile

测试
进入caffe下的python目录

python
import caffe

如果没有出现报错则python接口配置成功。
注意这里的python版本使用的是ubuntu自带的2.7，不要使用3以上的版本。否则会出现import失败的情况。
如果在2.7版本下import失败可以尝试make clean后再重新编译。