大致安装思路
因为每周二老师会检查这周的任务进度,所以还是决定今天把这篇文章写起来啦,现在是凌晨四点,你见过凌晨四点的X大吗,哈哈哈。因为国外网站英文看起来还是有点头痛的,我就不折磨大家了,所以我只会贴出中文网站链接参考。这些呢都是我一步一步填坑经历过来的,精心挑选出来的博客,所以应该是有用的。
大致的安装思路:首先安装anaconda,在anaconda中安装python3.7和创建python2.7的虚拟环境。然后安装好cuda9.0和cudnn(干脆直接把tensorflow-gpu安装了),再从github上下载caffe编译,得到编译成功后的文件。(这里也有捷径,下面会说到)最后,从github下载digits,按照官网教程或者我等会下面详细介绍的链接去一步步安装,最后运行,在浏览器输入localhost:5000
就可以看到digits的页面了。
1.anaconda创建python2.7的虚拟环境
这部分内容比较简单,应该不会有什么错误
附上参考网址
https://blog.csdn.net/L_0000/article/details/80336709
首先下载好anaconda,一般最新版默认下载的应该是python3.7,记住安装的时候把添加到环境变量选上,省的自己去添加。
安装好后打开cmd,或者anaconda的prompt
输入命令
conda create --name py27 python=2.7
activate py27
上面两条命令是创建环境和激活环境,关闭环境可以用deactivate或者直接关闭cmd。
然后打开anaconda-navigator,在environments可以看到除了base以外,还有我们创建的py27这个环境,切换到这个环境,然后右键点击可以打开虚拟环境的cmd。
我这里因为已经安装了tensorflow-gpu所以会有三个环境。而且要看到命令行中有(py27)这个字样才表示你在运行虚拟环境。
然后打开虚拟环境所在位置,我的是在/.conda/envs/py27中,把里面的python.exe和pythonw.exe改成python2.exe和pythonw2.exe,用来区分python3.7。这一步很关键,不然等下在不是虚拟环境下使用的pip使用的还是默认的python3.7版本
2.安装cuda,cudnn(也可以叫安装tensorflow-gpu)
首先还是附上参考网址
https://blog.csdn.net/Authur520/article/details/89297160
首先还是创建tensorflow的虚拟环境,conda create -n tensorflow-gpu
然后activate tensorflow-gpu激活环境。根据参考网址中的表,对应你的显卡型号去下载相应的版本,conda install tensorflow-gpu==(你想下载的的版本号)
它会自动帮你下载对应的cuda和cudnn,非常省事。不过推荐还是下载cuda9.0版本的,因为太高版本可能后面的内容不兼容。
安装好后查看版本,我的是1.13.1
在cmd中敲上我上图中的代码,可以看到出现了很多GPU相关的信息,那就说明tensorflow-gpu安装成功了。
当然也可以写一段调用了tensorflow的代码,运行的时候在nvidia-smi中查看GPU使用情况,也可以看出来是否安装成功。
这里nvidia-smi有可能在cmd中显示错误,说明没有添加到环境变量
参考网址
https://blog.csdn.net/nima1994/article/details/79698102
3.下载,编译caffe
参考网址
https://blog.csdn.net/ckkk1993/article/details/84877576
https://blog.csdn.net/sinat_33563935/article/details/79448653
https://blog.csdn.net/fengtaoO08/article/details/83023428
第三条网址最实用有效,经历的坑会比较少
这部分有点复杂,可能会出现很多坑,所以有编译法和捷径法
编译法
先看第三条参考网址,安装好所需要的东西,大多都是pip一下,至于git只要用了github的人一般都有,没有的话看下面这条网址
https://blog.csdn.net/qq_37512323/article/details/80693445
按照第三条参考网址,安装好需要的东西之后,配置vs2017的工具集,为什么我会挑一篇vs2017的,因为我自己的就是vs2017,当然你如果是vs2015,恭喜,你又可以省一些事。
配置好工具集后,按照提供的代码修改caffe中的源码,打开py27的虚拟环境cmd然后一步步的到最后编译,编译大概会花八分钟左右,如果按照网址内容来做没有出现什么编译问题。
相比较之前先编译libcaffe再编译caffe少了很多弯路和错误。当然你也可以看第一条参考网址,他就是这样的,最后导入了其他人的项目还是成功编译出来。
因为我做这部分的时候最头疼,所以没什么截图记录啥的,下次一定记住随时记录。
捷径法:直接下载编译好的caffe
参考网址
https://my.oschina.net/kalnkaya/blog/1824298
https://download.csdn.net/download/qq_34741911/10823347
https://blog.csdn.net/u014426939/article/details/82597273
这种方法支持有钱的土豪,或者是实在编译不出来的同学。我也下载了后面两个参考网址的内容,特别是第三个参考网址,里面的caffe-master真的很良心,导入之后可以用,而且他里面还有已经写好的模型,打开train_mnist.bat就可以测试mnist数据集,测试结果为
直接使用train_mnist.bat可能会报错,需要你把所有位置改为绝对位置,主要是mnist_train_lmdb,mnist_test_lmdb的位置,这些文件主要在caffe-master\caffe-master\examples\mnist目录中。lenet_solver.prototxt,lenet_train_test.prototxt,train_lenet .bat这三个文件最主要,更改的好像就是这几个。他原本设置的迭代次数是10000,我改成了5000,因为这个有一点美中不足,它无法支持GPU,而参考网址二中的caffe可以支持GPU。下面我会把相关的文件分享出来
参考网址二的文件
链接:https://pan.baidu.com/s/1f9_0CcdbLQiMJgYl57FnQQ
提取码:0lj0
参考网址三的文件
链接:https://pan.baidu.com/s/1wKE_5SWZVeuoQPi8uRn8RQ
提取码:up4t
个人觉得如果你嫌编译很麻烦,出很多错可以选择第二种捷径法,但是
不管是上面哪种方法编译的caffe最后都要把编译后的文件夹放到/.conda/envs/py27目录下,并且添加一个caffe的环境变量
4.下载,安装digits
参考网址
https://blog.csdn.net/fengtaoO08/article/details/82185506
还是按照参考网址中步骤进行,我就总结坑的解决办法。
网址中这些命令都是在python2.7虚拟环境的cmd中进行
1.requirements.txt的问题
如果你用网址中给的方法去python -m pip install -r requirements.txt最后肯定不成功,版本问题太多,所以我很暴力的直接把requirements.txt中的版本全部删去,然后把pydot改成pydotplus。如图
然后输入命令python -m pip install -r requirements.txt
有的错误参考网址中也有说到,我就不多说了,然后等待相关的模块全部安装好。
2.pycaffe没找到
参考网址
https://blog.csdn.net/u012235003/article/details/54576849
把caffe.py中直接改为自己的绝对路径
我的更改如图
3.关于python digits-devserver
所有模块安装完成,然后也成功完成python -m pip install -e $DIGITS_ROO这一步之后,python digits-devserver这个命令最坑,因为不管你怎么改它还是会报错,这个时候直接输入命令 python2 -m digits就好了。
4.vc问题
安装的时候可能会有vc问题出现,这个时候就需要去官网上下载VCForPython27.msi然后安装,再次运行就不会有错误了。
5.运行
6.总结
安装搭建环境总是在挖坑填坑进行,如果实在干不下去的时候要学会放松自己,写写其他自己有兴趣的代码或者项目来调整状态。我也知道,坑还有好多,因为我搭环境的时候没来得及记录,所以可能会有漏掉的错误,如果你在搭建时遇到了解决不了的错误可以留言评论,如果恰好是我遇到过的我也可以帮助你。btw,正当我在成功的喜悦的时候,老师又说用python3.5搭建,争取汉化。我内心。。。不过没办法,程序猿总是要满足老师或者客户的需求的嘛
好啦,太阳出来了,去吃早餐咯