配置PyCaffe

Background 背景: 当我们需要使用Python来调用caffe 的时候,如import caffe,则我们需要配置一下PyCaffe

Environment 环境:Ubuntu16.04 on VMware Workstation、Intel Caffe


0. 安装Caffe

可参考之前的文章

Intel Caffe安装详解


1. 安装依赖库

sudo apt-get update
sudo apt-get install python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags Cython ipython
sudo apt-get install protobuf-c-compiler protobuf-compiler
sudo pip install -r ${CAFFE_ROOT}/python/requirements.txt    

这里还需要将${CAFFE_ROOT}替换成caffe的安装路径

sudo pip install pydot

2. 编译

cd caffe
make pycaffe

之后做一个简单的测试,进入caffe/python下,启动python



3. 环境配置

sudo gedit /etc/profile

添加:export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH

source /etc/profile 

使之生效


4. 完成

此时就可以直接用pycaffe了


  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
配置Faster R-CNN的环境,可以按照以下步骤进行操作: 1. 首先,执行以下命令克隆Faster R-CNN的代码库并进入相应的目录: ``` git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git cd py-faster-rcnn/lib make cd ../py-faster-rcnn/caffe-fast-rcnn/ ``` 2. 根据你的显卡计算能力,修改`py-faster-rcnn/lib/setup.py`文件的第135行,将`arch`改为与你的显卡相匹配的数值。然后,删除`utils/bbox.c`、`nms/cpu_nms.c`和`nms/gpu_nms.cpp`这三个文件。 3. 重新编译Faster R-CNN: ``` cd py-faster-rcnn/lib/ make cd ../caffe-fast-rcnn/ make clean make -j4 && make pycaffe -j8 ``` 4. 根据你的电脑配置,安装显卡驱动、CUDA和CUDNN。可以参考\[引用3\]中提供的步骤进行安装。 5. 安装相关依赖包,包括BLAS和OpenCV。可以参考\[引用3\]中提供的步骤进行安装和配置。 6. 配置py_faster-rcnn,根据你的需求进行相应的配置。 7. 运行demo,可以使用提供的示例代码进行测试。 请注意,以上步骤仅供参考,具体的配置可能会因为不同的操作系统和环境而有所差异。建议在配置过程中参考官方文档或者相关论坛的指导。 #### 引用[.reference_title] - *1* *2* *3* [Faster R-CNN python版在Ubuntu16.04环境下配置编译](https://blog.csdn.net/yanying1113/article/details/85263616)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down28v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值