Ubuntu18.04 + caffe（CPU）搭建编译+MNIST实例

本文章主要用于参考在运行MNIST实例中出现的问题，至于CAFFE的环境配置请参考其他博客。

CAFFE下载

话不多说 直接git

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

如果没有安装git，先执行一步

sudo apt-get install git

可以看到caffe的目录已经有了 （忽略目录caffe1 是自己备份的一个目录）

编译CAFFE问题

网上的大多数帖子和教程都是直接对数据进行格式转换，然后在caffe根目录下进行编译。
但会出现以下的问题：

使用指令./examples/mnist/creat_mnist.sh 对数据集训练会出现如下错误./build/tools/caffe: not found

然后你去根目录下寻找问题，会发现build文件夹都不存在。

其次，使用指令./examples/mnist/create_mnist.sh对数据进行转换会出现build/examples/mnist/convert_mnist_data.bin: not found 这样的错误

并不是像网上其他博客写的那样，没有在 /caffe/根目录下执行，而是缺少了关键的一步，Makefile.config的配置。

Makefile.config配置

1.进入caffe

cd caffe

2.生成Makefile.config文件，这里是将caffe目录下自带的Makefile.config.example文件复制一份并更名为Makefile.config，命令如下：

cp Makefile.config.example Makefile.config

然后在caffe目录下就会有一个Makefile生成

3.修改Makefile.config

sudo gedit Makefile.config

因为是CPU版本，所以只需要修改两处
（1）将CPU_ONLY ：=1前的注释#去掉

（2）修改配置引用文件路径
主要是HDF5的路径问题
在INCIUD_DIR后面加/usr/include/hdf5/serial
在LIBRARY_DIRS后面加/usr/lib/x86_64-linux-gnu/hdf5/serial

在执行时，可能会出现如下情况：

不影响后续，可忽略。

编译

执行以下语句

cd caffe
make all

会出现如下问题：

解决方案：
在 Makefile文件的195 行 LIBRARIES += opencv_core opencv_highgui opencv_imgproc
opencv_imgcodecs opencv_videoio
具体位置在PYTHON_LIBRARY上面一行

修改后 先记得执行如下操作：

make clean

再接着

make all
make test
make runtest

至此出现以下的画面 就说明编译成功了

MNIST实例

1.下载mnist数据集

cd caffe
./data/mnist/get_mnist.sh

2.转换格式

下载的数据集为二进制格式，必须转换成caffe能识别的lmdb格式

./examples/mnist/create_mnist.sh

但是出现如下错误：F0731 14:55:38.217381 20313 convert_mnist_data.cpp:48] Check failed: image_file Unable to open file data/mnist/train-images-idx3-ubyte

原因：
在～/caffe/examples/mnist下的creat_mnist.sh中 数据集的名字不一致导致的

解决方案：
修改/caffe/data/mnist下

我们按照create_mnist.sh里的文件命名将数据集里的.(点号）改成-（短线），如下：

再次执行 ./examples/mnist/create_mnist.sh

/example/mnist下出现mnist_train_lmdb和mnist_test_lmdb就对了

3.训练数据集

./examples/mnist/train_lenet.sh

最后训练完的结果是这样的：

分类准确率99%.

4.用训练好的模型对数据进行预测

./build/tools/caffe.bin test \

-model examples/mnist/lenet_train_test.prototxt \

-weights examples/mnist/lenet_iter_10000.caffemodel \

以上就是caffe（cpu）+Mnist实例的所有内容，希望能帮到正在学习的你。