本文档详细介绍了如何在Docker容器内，基于nvcr.io/nvidia/digits:18.06镜像，配置CUDA9和CUDNN7环境，用于Python3.5下编译Caffe并使用DIGITS训练模型。首先，通过更新Python默认版本至3.5，然后编译安装Caffe，处理编译过程中遇到的问题。接着，将Caffe的Python接口添加到环境变量，并升级及安装DIGITS的Python3版本。最后，启动DIGITS服务并进行模型训练。
*********
此处使用的基础镜像为 nvcr.io/nvidia/digits:18.06，镜像大小为6.04GB，可从nvidia官方pull此镜像；
容器配置：
CUDA：9.0
CUDNN：7.0
注：此文档建立在已会使用python2.7版本的DIGITS基础之上
使用CUDA9是因为要使用tensorflow_hub，版本需要兼容
tensorflow-gpu==1.12.0
tensorflow-hub==0.5.0
镜像中含有python3.5与python2.7两个版本，直接使用python3.5
修改系统python默认值，使用python3为默认启动：
sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 100
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 150
*********
一、编译安装caffe
从github下载caffe源码，准备编译，下载地址：https://github.com/BVLC/caffe.git
【CUDA与CUDNN请查找对应的安装教程，此处忽略】
进入caffe目录
1、安装依赖：
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install —no-install-recommends libboost-all-dev
sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
2、修改Makefile.config文件：
sudo cp Makefile.config.example Makefile.config
根据需求修改Makefile.config中的内容，我修改之后的内容如下：
## Refer to http://caffe.berkeleyvision.org/installation.html
# Contributions simplifying and improving our build system are welcome!
# cuDNN acceleration switch (uncomment to build with cuDNN).
USE_CUDNN := 1
# CPU-only switch (uncomment to build without GPU support).
# CPU_ONLY := 1
# uncomment to disable IO dependencies and corresponding data layers
USE_OPENCV := 1
# USE_LEVELDB := 0
# USE_LMDB := 0
# T
最低0.47元/天 解锁文章
扫一扫
3732
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
