Ubuntu18.04.6安装CAFFE-CPU版实录

CAFFE是当前一款炙手可热的深度学习推理，训练框架，很多模型是基于其框架环境创建及训练的，它对运行平台的要求非常灵活，它为不支持CUDA和GPU的PC提供了CPU版本的实现，这里我们就一CAFFE-CPU版为例，介绍其使用方法。

开发环境：

为了排除各种额外因素，比如各种已安装报的干扰，这里使用新安装的ubuntu18.04.6作为开发环境：

安装依赖

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

为了提高安装速度，可以使用中科大的源，替换调原来/etc/apt/source.list内容，原文件别忘了作备份。

deb https://mirrors.ustc.edu.cn/ubuntu/ bionic main restricted universe multiverse
deb-src https://mirrors.ustc.edu.cn/ubuntu/ bionic main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse
deb-src https://mirrors.ustc.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse
deb-src https://mirrors.ustc.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ bionic-security main restricted universe multiverse
deb-src https://mirrors.ustc.edu.cn/ubuntu/ bionic-security main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse
deb-src https://mirrors.ustc.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse

下载caffe源码

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

 配置

拷贝一份模板配置文件为默认的配置文件，并且按照下图修改

cp Makefile.config.example Makefile.config

对Makefile修改如下：

编译

make
make test
make runtest

当出现最后的界面时，表示安装已经成功了。

lenet网路测试：

在TOP目录下，执行命令

./data/mnist/get_mnist.sh 

下载的数据集为二进制格式，必须转换成caffe能识别的lmdb格式，方法是执行命令：

./examples/mnist/create_mnist.sh

example/mnist下出现mnist_train_lmdb和mnist_test_lmdb就对了

训练模型

执行训练命令

./examples/mnist/train_lenet.sh

却产生如下错误：

 训练并非是用的CPU，这个和我们预期不符合，因为我们编译的时候选择了CPU_ONLY,后来经过调查，发现可以通过修改examples/mnist/lenet_solver.prototxt文件实现

 将solver_mode: GPU修改为solver_mode: CPU

 之后再次执行训练命令,训练10000次，得到的精度为0.9906 

推理：

输入推理命令：

./build/tools/caffe.bin test -model examples/mnist/lenet_train_test.prototxt -weights examples/mnist/lenet_iter_10000.caffemodel 

以上就是全部内容，希望有所帮助。

结束