linux配置caffe环境,ubuntu14.04环境下配置caffe

1. 安装build-essentials

安装开发所需要的一些基本包

[html]

view plain

copy

sudo apt-get install build-essential

如果出现essential包不可用的情况，可以执行下列命令解决：

[html]

view plain

copy

sudo apt-get update

2. 安装ATLAS for Ubuntu

执行命令:

[html]

view plain

copy

sudo apt-get install libatlas-base-dev

注：ATLAS, MKL,或OpenBLAS都可以，我这里选择安装ATLAS

3. 安装OpenCV

这个尽量不要手动安装， Github上有人已经写好了完整的安装脚本：https://github.com/jayrambhia/Install-OpenCV 下载该脚本，解压".zip"文件,解压命令:

安装2.4.10 (推荐)

https://gist.github.com/bearpaw/c38ef18ec45ba6548ec0

下载安装脚本 https://github.com/bearpaw/Install-OpenCV

进入目录 Install-OpenCV/Ubuntu/2.4

执行脚本 sh sudo ./opencv2_4_10.sh

安装2.4.9(不推荐)

[html]

view plain

copy

unzip /home/liuxiabing/下载/Install-OpenCV-master.zip

进入Ubuntu/2.4 目录, 给所有shell脚本加上可执行权限：

[html]

view plain

copy

chmod +x *.sh

然后安装最新版本 (当前为2.4.9)：

[html]

view plain

copy

sudo ./opencv2_4_9.sh

4. 安装其他依赖项

Ubuntu14.04用户执行

[html]

view plain

copy

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler

使用其它系统的可以参考官网介绍。

5. 编译Caffe

完成了上述环境的配置，就可以编译Caffe了！

下载caffe安装包,下载地址:https://github.com/BVLC/caffe

解压该压缩包，解压缩命令:

[html]

view plain

copy

sudo unzip /home/liuxiabing/下载/caffe-master.zip

注:如果解压位置出错了,可以使用以下命令删除该目录及所有的子目录:

[html]

view plain

copy

sudo rm -rf caffe-master

或者利用clone命令下载安装，命令如下：

sudo apt-get install git

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

进入caffe根目录， 首先复制一份Makefile.config，命令：

[html]

view plain

copy

cd caffe/

cp Makefile.config.example Makefile.config

然后修改里面的内容，主要需要修改的参数包括：

1.修改文件权限 规则：chmod ［who］ ［+ | - | =］ ［mode］ 文件名¼

使用 chmod g+w Makefile.config

2.打开文件进行修改

使用 sudo vim Makefile.config

前提是安装了vim，如果没有安装vim，在根目录下使用命令sudo install vim安装

按“i”键开始修改，修改结束后按esc键，键入“：wq”保存并退出

修改 将# CPU_ONLY = 1前面的#去掉 并按“tab”键，(默认从tab处执行)

CPU_ONLY 是否只使用CPU模式，由于我没有NVIDIA的显卡，就没有安装CUDA，因此需要打开这个选项。

其余的一些配置可以根据需要修改：

BLAS (使用intel mkl还是OpenBLAS)

MATLAB_DIR 如果需要使用MATLAB wrapper的同学需要指定matlab的安装路径, 如我的路径为 /usr/local/MATLAB/R2013b (注意该目录下需要包含bin文件夹，bin文件夹里应该包含mex二进制程序)

DEBUG 是否使用debug模式，打开此选项则可以在eclipse或者NSight中debug程序

完成上述设置后，开始编译：

[html]

view plain

copy

sudo make all -j4

[html]

view plain

copy

sudo make test

[html]

view plain

copy

sudo make runtest

注意：-j4 是指使用几个线程来同时编译，可以加快速度，j后面的数字可以根据CPU core的个数来决定，如果CPU是4核的，则参数为-j4，也可以不添加这个参数，直接使用“make all”，这样速度可能会慢一点儿。

6.使用MNIST数据集进行测试

Caffe默认情况会安装在$CAFFE_ROOT，就是解压到的那个目录，例如：$ home/username/caffe-master，所以下面的工作，

默认已经切换到了该工作目录。下面的工作主要是测试Caffe是否工作正常，不做详细评估。具体设置请参考官网：

http://caffe.berkeleyvision.org/gathered/examples/mnist.html

(1)数据预处理

可以用下载好的数据集，也可以重新下载，直接下载的具体操作如下：

[html]

view plain

copy

$ cd data/mnist

$ sudo sh ./get_mnist.sh

(2)重建LDB文件，就是处理二进制数据集为Caffe识别的数据集，以后所有的数据，包括jpe文件都要处理成这个格式，执行命令如下：

注意下面命令是在caffe文件下进行

[html]

view plain

copy

cd

cd caffe/

sudo sh ./examples/mnist/create_mnist.sh

生成mnist-train-leveldb/ 和 mnist-test-leveldb/文件夹，这里包含了LDB格式的数据集

注:新版caffe都需要从根目录上执行，如果使用下列命令执行：

[html]

view plain

copy

# cd examples/mnist

# sudo sh ./create_mnist.sh

可能会遇到这个错误：./create_mnist.sh: 16: ./create_mnist.sh: build/examples/mnist/convert_mnist_data.bin: not found

(3)训练mnist

如果没有GPU,只有CPU的话,需要先修改examples/mnist目录下lenet_solver.prototxt文件,将solver_mode:GPU改为      solver_mode:CPU，

命令如下：

cd examples

cd mnist

sudo vim lenet_solver.prototxt进入文件后按i修改，修改之后按esc保存修改，之后按：wq保存修改。(如果修改错误，按：q！不保存退出后重新进入修改

)

修改后结果如下所示：

[html]

view plain

copy

# solver mode: CPU or GPU

solver_mode: CPU

修改时可以使用vi编辑命令(ubuntu14.0.4下也可以直接双击打开，修改后保存即可)，如果是只读文件，不能编辑，可以用sudo命令，比如:

[html]

view plain

copy

sudo vi lenet_solver.prototxt

修改完成后，再在根目录下(即/caffe目录)执行下面的命令进行训练:

[html]

view plain

copy

$ sudo sh ./examples/mnist/train_lenet.sh

最终训练完的模型存储为一个二进制的protobuf文件：lenet_iter_10000

至此，Caffe安装的所有步骤完结。

注:如果进入到mnist目录下执行这个sh命令，会出现错误。即这样操作

[html]

view plain

copy

cd ./examples/mnist

sudo sh ./train_lenet.sh

会有一个caffe/.build_release/tool/caffe找不到或不存在的错误。

7.使用MNIST数据集进行测试

得到训练模型 lenet_iter_10000,利用命令行的方法对模型进行测试。

在caffe官网给出来了三种编译方式 命令行、python、matlab.这里使用的是命令行的方法

1.bash下建立.sh执行文件(脚本)  先cd到 ./caffe/examples/mnist文件夹下，命令行输入

备注：脚本的书写可参考Caffe官网tutorial/interfaces中TEST的讲解

[html]

view plain

copy

touch test_lenet.sh #生成.sh文件

sudo vim test_lenet.sh #进入.sh文件键入内容

#键入的内容为

#！/usr/bin/env sh(注意不能分成两行，楼主把sh放在下一行导致错误运行结果为单独的一个#号)

"空行"

./build/tools/caffe test --model=examples/mnist/lenet_train_test.prototxt --weights=examples/mnist/lenet_iter_10000.caffemodel -iterations 100 备注：因为没有用GPU所以官网指导文档中的"gpu 0"这部分参数就没有添加进去

保存.sh文件 按ESC键 然后键入：wq

2.将目录返回到caffe目录下 一路 cd ..

[html]

view plain

copy

sudo sh./examples/mnist/test_lenet.sh

8.编译python wrapper

安装python

编译

(1)安装

Anaconda，下载地址：www.continuum.io/downloads,根据自己python的版本选择Anaconda的版本。

(2)到下载目录(

Anaconda所在目录)，执行

例如：

$ cd Downloads

$ ls Anaconda2-4.0.0-Linux-x86.sh

$ bash Anaconda2-4.0.0-Linux-x86.sh

(3)cd到根目录(没有任何子目录：例xn@xn-Virtual-machine:$  )下，执行

sudo vim ~/.bashrc

对文件进行如下修改(文件末尾最后添加就可以，方法与之前改变进入vim改变文件一样的操作：按i或a修改，按esc结束，按“：wq”保存并退出。)

[plain]

view plain

copy

# add library path

LD_LIBRARY_PATH=anaconda2/lib:$LD_LIBRARY_PATH

export LD_LIBRARY_PATH

(4)

安装pip和python-dev ，执行(安装过tensorflow的可以忽略此步)

[plain]

view plain

copy

sudo apt-get install python-dev python-pip

(5)cd到caffe/python目录下，执行(该过程需要较长时间)

[plain]

view plain

copy

for req in $(cat requirements.txt); do sudo pip install $req; done

(6)cd到caffe-master目录下，编译执行

[plain]

view plain

copy

sudo make pycaffe

如果出现报错：fatal error: numpy/arrayobject.h没有那个文件或目录

解决方案：

sudo apt-get install python-numpy

然后继续用上面命令编译

9.编译matlab wrapper

安装matlab(参考之前的博文)

编译

(1)安装matlab

(2)修改Makefile.config 在caffe-master目录下

(3)cd到caffe-maste目录下，编译执行

[plain]

view plain

copy

sudo make matcaffe