本次实验环境为:
ubuntu16.04.2
gtx1050 2G
之前一直使用cpu进行实验,因为要使用faster rcnn,此时再使用cpu进行实验时,虽然按照网络上各种修改后,可以使用cpu进行训练,但是我出现了无法保存模型文件的问题。深深的感觉到有一个正常的实验环境是多么重要。否则会把问题纠结于各种环境和修改无关紧要的问题(gpu-》cpu)上,无法继续实验。之前小一点的数据还好,faster rcnn不能忽视,速度慢,修改地方多,出现问题很奇葩。
再购买了gtx1050后,配置也出现了几个问题,但是修改的地方不多:
1. cuda 安装 和 cudnn 安装,很多,不赘述
2. BLAS,caffe官方安装文档里,有说明,按照文档安装比在baidu上稳一点
sudo apt-get install libatlas-base-dev
参考:https://my.oschina.net/peterlie/blog/661994
3. 安装boost
sudo apt-get install --no-install-recommends libboost-all-dev
4. cudnn可以在原生的caffe中编译成功,在py-faster-rcnn中的caffe(相对于blvc/caffe已经修改过),要再Makefile.config中注释掉 cudnn:=1->#cudnn:=1, 其他和caffe中需要修改的地方一致。
5. 2G的显存,真的好小,运行faster rcnn vgg模型时,显存不够,需要换成zf模型,运行时间0.1秒左右。非常爽.....
6. 补充一点,github 上有很多 caffe install 相关的文档和脚本,可以以此为关键词进行搜索,合理使用这些脚本可以快速安装caffe的一些依赖。