【caffe2从头学】：3.caffe2的官方教程的安装与使用

本片文章是我的【caffe2从头学】系列中的一篇，如果想看其他文章，请看目录：

---

0.目录
1.快速开始

1.1.什么是caffe2 ？
1.2.安装caffe2

2.学习caffe2
3.caffe2官方教程的安装与使用

3.1.Blobs and Workspace, Tensors，Net 概念
3.2.Caffe2 的一些基本概念 - Workspaces&Operators & Nets & Nets 可视化
3.3.Brewing Models(快速构建模型)
3.4.Toy_Regression
3.5.Models and Datasets
3.6.Loading_Pretrained_Models
3.7.Image_Pre-Processing_Pipeline
3.8.MNIST
3.9.create_your_own_dataset

4.参考
5.API

相关代码在我的github仓库：https://github.com/JackKuo666/csdn/tree/master/caffe2

---

1.Caffe2 Tutorials Overview

1.1.Tutorials Installation

1.1.1下载Tutorials源代码

git clone --recursive https://github.com/caffe2/tutorials caffe2_tutorials

1.1.2.安装Tutorials依赖

官方给出的安装方式如下：

pip install -U pip setuptools
pip install \
    graphviz \
    hypothesis \
    ipython \
    jupyter \
    matplotlib \
    notebook \
    pydot \
    python-nvd3 \
    pyyaml \
    requests \
    scikit-image \
    scipy

同时官方也介绍了，可以把pip替换成conda，但是，我按照官方的方式如下：

conda install \
    graphviz \
    hypothesis \
    ipython \
    jupyter \
    matplotlib \
    notebook \
    pydot \
    python-nvd3 \
    pyyaml \
    requests \
    scikit-image \
    scipy

结果，全部安装显示，python-nvd3没有，所以，我们这样安装：

conda install graphviz
conda install hypothesis
conda install ipython 
conda install jupyter 
conda install matplotlib 
conda install notebook 
conda install pydot
conda install pyyaml
conda install requests
conda install scikit-image 
conda install scipy

conda install conda-forge python-nvd3 

安装完成之后，官方还说要安装：

For Ubuntu run : apt-get install unzip zeromq

但是我安装提示不存在，所以，这个也用conda安装：

conda install zeromq

1.1.3.安装完成之后，就是测试了：

我们在caffe2环境中

jupyter notebook

然后找到刚才下载的tutorials地址，打开Basics.ipynb,然后运行一下，没有报错表示成功！

1.2.开始学习Tutorials

如果我们安装完成之后接着往下看，会看到作者的建议你的三条路：

1.Use a pre-trained neural network off the shelf! (Easy)
2.Make my own neural network! (Intermediate)
3.Mobile first! I want to make an app that uses deep learning! (Advanced)

但是看这些建议之前，如果你没有caffe2基础，那么还是乖乖顺序依照下面的建议走吧：

1.Beginner Tutorials
2.New to Caffe2
3.Intermediate Tutorials
4.Advanced Tutorials

看了一遍我觉得caffe2的教程顺序不太容易学，所以，我重新排了一下顺序：

1.New to Caffe2
2.Beginner Tutorials
3.Intermediate Tutorials
4.Advanced Tutorials

2.1.New to Caffe2

2.1.1.Caffe to Caffe2 Translation

https://caffe2.ai/docs/caffe-migration.html
这个之前我们已经介绍过了。

2.1.2.Intro Tutorial

这个部分将会为你介绍 Caffe2的：blobs, workspace, and tensors. 它介绍了 nets 和 operators 以及如何创建一个 model 并编译它。【这部分的官网地址是：https://caffe2.ai/docs/intro-tutorial】

1.caffe2 中的一些定义与概念

blobs:
　　caffe2中的数据以blob形式组织。blob是内存中的指定数据块。大多数blob包含一个张量，在Python中它们被转换为numpy数组。

Workspace存储所有的blob。下面的示例展示了如何将blob填充到Workspace并再次获取它们。当您开始使用Workspace时，它们就初始化了。

from caffe2.python import workspace, model_helper
import numpy as np
# Create random tensor of three dimensions
x = np.random.rand(4, 3, 2)
print(x)
print(x.shape)

workspace.FeedBlob("my_x", x) #存

x2 = workspace.FetchBlob("my_x")  #取
print(x2)

Nets and Operators：
blob：数据，也就是tensor，还是多维数组；
Operator：操作，这里可以理解为层；
Net ：网络，由很多层组成。
下面，我们的介绍讲转入.ipynb文件，请看下篇博客：
【caffe2从头学】：4.caffe2的官方教程：（1）. Blobs and Workspace, Tensors，Net 概念

---

以下是我另外记的笔记，不构成本部分主要内容：

Model Download Options
下载训练好的模型方法有3种：

1.使用shell下载：

python -m caffe2.python.models.download squeezenet      #下载到当前文件夹
python -m caffe2.python.models.download -i squeezenet   #下载到你的caffe2所在的model文件夹下，如下所示：
#anaconda2/envs/caffe2/lib/python2.7/site-packages/caffe2/python/models/squeezenet/predict_net.pb
 

2.Alternatively, you can clone the entire repo of models at git clone https://github.com/caffe2/models but you will need to install Git Larg File Storage to download the models themselves.

3.从别人的个人github中下载。