Opencv与Caffe 安装使用

1 引言

2 常用OpenCV库与机器学习平台Caffe

2.1 OpenCV在图像处理中的使用介绍

2.2 机器学习平台：Caffe

3 软件安装及错误解决方案

3.1 Centos7无网络环境安装配置Opencv

3.2 Centos7无网络环境安装配置Caffe

3.3 软件安装中遇到的问题

3.3.1 错误 libprotobuf.so.14缺失问题

3.3.2 missing: Atlas_CLAPACK_INCLUDE_DIR Atlas_CBLAS_LIBRARY
Atlas_BLAS_LIBRARY Atlas_LAPACK_LIBRARY

3.3.3 libraries: libprotobuf.so.8 缺失问题:

3.3.4 仅编译matcaffe 编译问题（编译参数设置）

3.3.5 Invalid MEX-file ‘/matlab/+caffe/private/caffe_.mexa64’:
libopenblas.so.0: cannot open shared object file: No such file or directory

3.3.6 MATLAB/R2014a/bin/glnxa64/…/…/sys/os/glnxa64/libstdc++.so.6: version
`GLIBCXX_3.4.18’ not found (required by /usr/local/lib/libprotobuf.so.14)

3.3.7 INSTALL NCCL，注意gencode architecture,不然编译会出现问题

3.3.8 NCCL与MATLAB识别问题，如果未识别

入职以来，对门店客流系统的理解和进一步加深理解，在解决门店客流场景中的行人检测，跟踪和重识别问题，学者们提出了各种各样的解决思路与方法。在对客流场景中的不同算法进行测试时，重新实现需要投入大量的时间与精力，直接使用作者发的工具与代码进行算法快速迭代是保证项目快速推进迭代的有效手段。然而不同学者的研究背景和开发工具使用习惯，使得现有解决方案核心代码实现基于不同的平台，比如Caffe，Keras等。这使得在进行项目研发的过程中，需要安装不同的工具，对学者们提出的解决方法进行测试。进行测试的前提是对各种工具进行熟练的使用，在进行熟练使用的前提是对工具进行正确的安装。本文针对入职以来，将目前工作服务器环境中安装工具过程中遇到的问题进行回顾，结合自己定期撰写的博客，就常用工具的安装使用问题进行了系统总结与回顾，对工具安装使用过种中存在的问题进行了举例，希望与内部同事加强沟通交流。

索引关键词：图像工具；caffe；工具使用；Opencv；安装问题

引言

随着公司业务的拓展和对服务工作的细化，当前集团已全面迈入智慧零售发展的关键阶段，智慧零售的本质是数字零售，是建立在数据化管理与分析基础。互联网时代，大数据是技术，与是工具，是贯穿工作始终且行之有效的准则。进行数据化管理与分析前提是对结合业务场景，利用机器学习等工具来解决业务场景需要解决的问题发掘数据价值，也就是理论结合业务指导实践问题。在解决实践问题中快速对思路和方法进行快速迭代。在这个过程中工具的价值也就发挥了巨大的作用。

工具是机器学习的重要组成部分，选择合适的工具与使用最好的算法同等重要。机器学习工具使得应用机器学习更快，更简单，更有趣。更快：好工具可以自动化应用机器学习过程中的每一步。这意味着，从提出创意到得到结果的时间大大缩短。如果你从头开始自己实现每一个功能，这花的时间要比选择现有工具要长的多。更简单：你可以花时间来选择合适的工具，而不是研究、实现技术来完成任务。如果你自己实现，你必须对每一个过程都十分精通。这需要研究，资深经验来理解技术，以及高水平的工程技能来确保有效执行。

结合实际的业务，有目的地选择工具，是进行项目快速迭代开发的前提。强大的机器学习工具体现了过程，配置和实现的最佳实践。比如自动配置机器学习算法，工具内部结构良好的处理方式。这样即在解决业务场景中的实际问题过程中，加深了对工具的理解。我们这里主要讨论的是机器学习平台，比如Caffe等，对机器学习库这里不做主要讨论，因为这些库在网络环境较好的情况下依靠第三方安装工具可以直接安装使用。下面主要对图像算法实践过程中使用的主要机器学习平台Caffe和Opencv第三方库的安装使用过程存在的问题结合具体实例进行简要的说明，以供学习与交流使用。

常用OpenCV库与机器学习平台Caffe

OpenCV在图像处理中的使用介绍

OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac
OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++
类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

OpenCV用C++语言编写，它的主要接口也是C++语言，但是依然保留了大量的C语言接口。该库也有大量的Python,
Java and MATLAB/OCTAVE
(版本2.5)的接口。这些语言的API接口函数可以通过在线文档获得。如今也提供对于C#,Ch,
Ruby的支持。所有新的开发和算法都是用C++接口。一个使用CUDA的GPU接口也于2010年9月开始实现。

机器学习平台：Caffe

Caffe的全称应该是Convolutional Architecture for Fast Feature
Embedding，它是一个清晰、高效的深度学习框架，它是开源的，核心语言是C++，它支持命令行、Python和Matlab接口，它既可以在CPU上运行也可以在GPU上运行。它的license是BSD
2-Clause。

软件安装及错误解决方案

这里主要是针对软件安装过程中，公司内部网络通过网上搜索的等形式快速下载相应的软件包，因此这里给出了相应软件包，依赖包的下载使用方法。

由于linux的包依赖关系较为复杂，因些这里给出了几种依赖包的关联下载使用方法。

方案一：用包安装工具进行依赖库关联下载。

以Centos上自带的yum为例。yum是一个优秀的软件获取与系统更新的工具，主要应用于Redhat系列的发行版本上。

yum有一个plugin叫做yum-downloadonly，它就可以为用户实现只下载软件包的功能。完成安装后，yum就多了两个命令参数，分别是：–downloadonly、–downloaddir=/path/to/dir

方案二：直接修改包管工具配置文件，对各个库安装的依赖库保存到本地。

也可直接修改/etc/yum.conf 将keepcache=0 修改为 keepcache=1，
安装或者升级后，在目录 /var/cache/yum 下就会有下载的 rpm 包了

Centos7无网络环境安装配置Opencv

总得来讲，opencv在安装过程失败，往往是因为缺少相应库。我们这里详细讨论并介绍opencv
安装过程中库的依赖关系。

这里主要针对
Opencv进行安装配置时，下面给出不能正常联网时，Opencv安装的详细过程，并提供了软件安装过程中需要的依赖包。注意这里只给出该系统版软件包有依赖安装的情况进行说明，对于不需要依赖安装的软件不做说明，直接下载对应源进行安装即可（地址
密码:uy8a）。

系统环境（centos 7, 服务器无联网环境，注此服务器版本为工作服务器版本信息）：

Linux version 3.10.0-514.el7.x86_64 (builder@kbuilder.dev.centos.org) (gcc
version 4.8.5 20150623 (Red Hat 4.8.5-11) (GCC) ) #1 SMP Tue Nov 22 16:42:41
UTC 2016

Opencv安装：

Opencv安装需要的库：

• GCC 4.4.x or later

• CMake

• Git

• GTK+2.x or higher, including headers (libgtk2.0-dev)

• pkg-config

• Python 2.7 or later and Numpy 1.8 or later with developer packages
(python-dev, python-numpy)

• ffmpeg or libav development packages: libavcodec-dev, libavformat-dev,
libswscale-dev

• *[optional] libtbb2 libtbb-dev

• *[optional] libdc1394 2.x

• *[optional] libjpeg-dev, libpng-dev, libtiff-dev, libjasper-dev,
libdc1394-22-dev

Gcc安装（下载 地址 密码:uy8a）

> 该Centos 7版本上gcc缺少的依赖库只有一个：

(1/2): libstdc+±devel-4.8.5-11.el7.x86_64.rpm | 1.5 MB

(2/2): gcc-c+±4.8.5-11.el7.x86_64.rpm | 7.2 MB

Lib-gtk（下载 地址 密码:uy8a）

> 该Centos 7版本上Lib-gtk依赖库有13个：

(1/13): glib x86_64 1:1.2.10-41.el7 137 k

(2/13): glib-devel x86_64 1:1.2.10-41.el7 40 k

(3/13): gtk+ x86_64 1:1.2.10-77.el7 841 k

(4/13): libICE-devel x86_64 1.0.9-2.el7 49 k

(5/13): libSM-devel x86_64 1.2.2-2.el7 13 k

(6/13):libX11-devel x86_64 1.6.3-3.el7 980 k

(7/13):libXau-devel x86_64 1.0.8-2.1.el7 14 k

(8/13):libXext-devel x86_64 1.3.3-3.el7 75 k

(9/13): libXfixes-devel x86_64 5.0.1-2.1.el7 13 k

(10/13): libXi-devel x86_64 1.7.4-2.el7 105 k

(11/13): libXt-devel x86_64 1.1.4-6.1.el7 445 k

(12/13):libxcb-devel x86_64 1.11-4.el7 1.1 M

(13/13): xorg-x11-proto-devel noarch 7.7-13.el7 281 k

libav development[optional] （下载 地址 密码:uy8a）

gstreamer-devel libavc1394-devel libraw1394-devel libdc1394-devel jasper-devel
jasper-utils

安装软件版本：

gstreamer-devel.x86_64 0:0.10.36-7.el7

jasper-devel.x86_64 0:1.900.1-30.el7_3

jasper-utils.x86_64 0:1.900.1-30.el7_3

libavc1394-devel.x86_64 0:0.5.3-14.el7

libdc1394-devel.x86_64 0:2.2.2-3.el7

libraw1394-devel.x86_64 0:2.1.0-2.el7

对应依赖库：

check-devel.x86_64 0:0.9.9-5.el7

freeglut.x86_64 0:2.8.1-3.el7

glib2-devel.x86_64 0:2.46.2-4.el7

jasper.x86_64 0:1.900.1-30.el7_3

libdc1394.x86_64 0:2.2.2-3.el7

libjpeg-turbo-devel.x86_64 0:1.2.90-5.el7

libxml2-devel.x86_64 0:2.9.1-6.el7_2.3

xz-devel.x86_64 0:5.2.2-1.el7

zlib-devel.x86_64 0:1.2.7-17.el7

ffmpeg 安装（下载 地址 密码:uy8a）

ffmpeg （ffmpeg.x86_64
0:2.6.8-3.el7.nux）安装时需要的依赖库，总共需要18个依赖库：

(1/18): SDL-1.2.15-14.el7.x86_64.rpm | 204 kB

(2/18): fdk-aac-0.1.4-1.x86_64.rpm | 375 kB

(3/18): faac-1.28-6.0.el7.nux.x86_64.rpm | 269 kB

(4/18): fribidi-0.19.4-6.el7.x86_64.rpm | 63 kB

(5/18): lame-libs-3.99.5-8.el7.x86_64.rpm | 343 kB

(6/18): libass-0.13.4-1.el7.x86_64.rpm | 92 kB

(7/18): ffmpeg-2.6.8-3.el7.nux.x86_64.rpm | 1.5 MB

(8/18): libvdpau-1.1-2.el7.x86_64.rpm | 32 kB

(9/18): libdc1394-2.2.2-3.el7.x86_64.rpm | 121 kB

(10/18): schroedinger-1.0.11-4.el7.x86_64.rpm | 291 kB

(11/18): soxr-0.1.2-1.el7.x86_64.rpm | 77 kB

(12/18): libavdevice-2.6.8-3.el7.nux.x86_64.rpm | 71 kB

(13/18): openal-soft-1.16.0-3.el7.x86_64.rpm | 282 kB

(14/18): libva-1.2.1-3.el7.x86_64.rpm | 68 kB

(15/18): x265-libs-1.9-1.el7.nux.x86_64.rpm | 1.5 MB

(16/18): x264-libs-0.142-11.20141221git6a301b6.el7.nux. | 570 kB

(17/18): xvidcore-1.3.2-5.el7.nux.x86_64.rpm | 258 kB

(18/18): ffmpeg-libs-2.6.8-3.el7.nux.x86_64.rpm | 5.0 MB

由于安装ffmpeg
过程中需要的依赖库较多，可以先将一台装有centos版本的服务器联网，然后用yum 或者
（apt-get）等包管理工具将依赖库进行保存。

安装软件版本：

libpng-devel.x86_64 2:1.5.13-7.el7_2 libtiff-devel.x86_64 0:4.0.3-27.el7_3

libtool.x86_64 0:2.4.2-22.el7_3 nasm.x86_64 0:2.10.07-7.el7

swig.x86_64 0:2.0.10-5.el7

相应依赖库：

autoconf.noarch 0:2.69-11.el7

automake.noarch 0:1.13.4-3.el7

m4.x86_64 0:1.4.16-10.el7

perl-Data-Dumper.x86_64 0:2.145-3.el7

perl-Test-Harness.noarch 0:3.28-3.el7

perl-Thread-Queue.noarch 0:3.02-2.el7

Opencv编译过程中出现的问题：

安装过程SIZE_MAX宏定义缺失问题：

In file included from /usr/include/jasper/jasper.h:77:0,

from /home/njuzxy/Desktop/opencv/modules/highgui/src/grfmt_jpeg2000.cpp:59:

/usr/include/jasper/jas_math.h: In function ‘bool jas_safe_size_mul(size_t,
size_t, size_t*)’:

/usr/include/jasper/jas_math.h:143:15: error: ‘SIZE_MAX’ was not declared in
this scope

if (x && y > SIZE_MAX / x) {

^

/usr/include/jasper/jas_math.h: In function ‘bool jas_safe_size_add(size_t,
size_t, size_t*)’:

/usr/include/jasper/jas_math.h:170:10: error: ‘SIZE_MAX’ was not declared in
this scope

if (y > SIZE_MAX - x) {

^

make[2]: ***
[modules/highgui/CMakeFiles/opencv_highgui.dir/src/grfmt_jpeg2000.cpp.o] Error 1

make[1]: *** [modules/highgui/CMakeFiles/opencv_highgui.dir/all] Error 2

make: *** [all] Error 2

解决方法：

由于错误提示没有SIZE_MAX这个宏，通过修改__STDC_LIMIT_MACROS，并没有解决以上问题，这里我们直接对文件/usr/include/jasper/jas_math.h进行修改，在#include
<stdint.h>添加SIZE_MAX宏定义：

#if ! defined SIZE_MAX

#define SIZE_MAX (4294967295U)

#endif

Opencv环境配置

1、添加路径

如果不添加路径到环境变量当运行测试程序时会出错如下：

./drawing: error while loading shared libraries: libopencv_calib3d.so.2.4:
cannot open shared object file: No such file or directory

这里主要讨论一般安装不考虑，root权限下安装。

针对当前用户（用户名：username）：

输入命令：vi /home/username/.bashrc

PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/where/you/install/opencv/lib/pkgconfig

Export PKG_CONFIG_PATH

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/ where/you/install/opencv/lib

更新环境变量：source /etc/profile; 更新系统库缓存： ldconfig

2、难查看opencv 是否安装成功

输入命令：pkg-config—cflags opencv

pkg-config—libs opencv

如果没有出错，说明安装成功。

3、测试

生成 可执行文件：g++demo.cpp `pkg-config --cflags --libs opencv` -o demo

生成动态链接库可输入:gcc demo.c `pkg-config --cflags --libs opencv` -fPIC
-shared -o libdemo.so

Centos7无网络环境安装配置Caffe

这里主要针对
caffe进行安装配置时，下面给出不能正常联网时，caffe安装的详细过程，并提供了软件安装过程中需要的依赖包。注意这里只给出该系统版软件包有依赖安装的情况进行说明，对于不需要依赖安装的软件不做说明，直接下载对应源，通过其它途径拷贝到相应安装位置即可。

系统环境（centos 7, 服务器无联网环境）：

Linux version 3.10.0-514.el7.x86_64 (builder@kbuilder.dev.centos.org) (gcc
version 4.8.5 20150623 (Red Hat 4.8.5-11) (GCC) ) #1 SMP Tue Nov 22 16:42:41
UTC 2016

Caffe 安装依赖库：

> protobuf-devel leveldb-devel snappy-devel
OpenCV-devel boost-devel hdf5-devel gflags
devel glog-devel lmdb-devel

这里我们可以先使用联网的机器和没有访问限制的服务器，使用上述介绍的方法下载相应依赖库，然后再进行安装。

1） glog

wget https://google-glog.googlecode.com/files/glog-0.3.3.tar.gz

tar zxvf glog-0.3.3.tar.gz

cd glog-0.3.3

./configure

make && make install

2） gflags

wget https://github.com/schuhschuh/gflags/archive/master.zip

unzip master.zip

cd gflags-master

mkdir build && cd build

export CXXFLAGS=”-fPIC” && cmake … && make VERBOSE=1

make && make install

3） lmdb

Git clone https://github.com/LMDB/lmdb

cd lmdb/libraries/liblmdb

make && make install

4） protobuf重要

安装步骤请参考 http://blog.csdn.net/tdmyl/article/details/31811317

5） hdf5安装

hdf5安装请查看官方文档

http://www.hdfgroup.org/HDF5/release/obtainsrc.html#src

6） leveldb安装

leveldb下载请见https://github.com/google/leveldb

安装请见http://blog.sina.com.cn/s/blog_560e310001015jfx.html

缺失的步骤：

leveldb文件夹下依次执行

make

cd out-shared

cp lib* /usr/local/lib

以下是联网进行安装的方法，由于本文说的是不联网安装，因此本文给出对于本版本服务器的依赖库的下载地址[http://pan.baidu.com/s/1bpB2AYF]
密码：21r4

由于在不联网环境下很难对软件包的依赖关系，利用包管理工具（yum,
apt-get等）做出更新，因此本文强调的是进行不联网更新安装。由于本文说的是不联网安装，因此本文给出对于本版本服务器的依赖库的下载地址[http://pan.baidu.com/s/1bpB2AYF]
密码：21r4，也在公司服务器上下载有相应代码。通过将相应版本的代码放置到一个目录，通过Linux
yum,rpm命令进行更新安装。其它步骤按照官方文档进行配置就不会出错。

软件安装中遇到的问题

软件安装过程中出现的编译问题进行了整理，这里由于贴出了出错时的相应代码，因此该部分请结合目录进行搜索查看，这里主要针对Matcaffe和Pycaffe的编译安装问题进行了整理回顾。

错误 libprotobuf.so.14缺失问题

问题描述：

PROTOC src/caffe/proto/caffe.proto

protoc: error while loading shared libraries: libprotobuf.so.14: cannot open
shared object file: No such file or directory

make: *** [.build_release/src/caffe/proto/caffe.pb.cc] Error 127

解决方案:

sudo ldconfig or export LD_LIBRARY_PATH=/usr/local/lib

missing: Atlas_CLAPACK_INCLUDE_DIR Atlas_CBLAS_LIBRARY Atlas_BLAS_LIBRARY Atlas_LAPACK_LIBRARY

问题描述：

CMake Error at
/usr/local/share/cmake-2.8/Modules/FindPackageHandleStandardArgs.cmake:108
(message):

Could NOT find Atlas (missing: Atlas_CLAPACK_INCLUDE_DIR

Atlas_CBLAS_LIBRARY Atlas_BLAS_LIBRARY Atlas_LAPACK_LIBRARY)

Solution:

Cmake –DBLAS=open …

解决方案：

cmake -DBLAS=open -DCMAKE_INCLUDE_PATH=~/packages/OpenBLAS/include
-DCMAKE_LIBRARY_PATH=~/packages/OpenBLAS/lib .

libraries: libprotobuf.so.8 缺失问题:

问题描述：

/bin/protoc: error while loading shared libraries: libprotobuf.so.8: cannot open
shared object file: No such file or directory

make[2]: *** [include/caffe/proto/caffe.pb.cc] Error 127

make[1]: *** [src/caffe/CMakeFiles/caffeproto.dir/all] Error 2

解决方案：

Git clone –recursive [源码地址]

仅编译matcaffe 编译问题（编译参数设置）

问题描述：

gnu++11 [enabled by default]

}), solvers_.end());

^

~/packages/caffe/matlab/+caffe/private/caffe_.cpp:208:4: error: no
matching function for call to
?.emove_if(std::vector<boost::shared_ptr<caffe::Solver<float> >
>::iterator, std::vector<boost::shared_ptr<caffe::Solver<float> >
>::iterator, delete_solver(int, mxArray**, int, const
mxArray**)::__lambda0)?

}), solvers_.end());

^

~/packages/caffe/matlab/+caffe/private/caffe_.cpp:208:4: note:
candidate is:

In file included from /usr/include/c++/4.8.2/algorithm:62:0,

from ./include/caffe/blob.hpp:4,

from ./include/caffe/caffe.hpp:7,

from ~/packages/caffe/matlab/+caffe/private/caffe_.cpp:18:

/usr/include/c++/4.8.2/bits/stl_algo.h:1134:5: note: template<class _FIter,
class _Predicate> _FIter std::remove_if(_FIter, _FIter, _Predicate)

remove_if(_ForwardIterator __first, _ForwardIterator __last,

^

/usr/include/c++/4.8.2/bits/stl_algo.h:1134:5: note: template argument
deduction/substitution failed:

~/packages/caffe/matlab/+caffe/private/caffe_.cpp: In substitution
of ?.emplate<class _FIter, class _Predicate> _FIter std::remove_if(_FIter,
_FIter, _Predicate) [with _FIter =
__gnu_cxx::__normal_iterator<boost::shared_ptr<caffe::Solver<float> >*,
std::vector<boost::shared_ptr<caffe::Solver<float> > > >; _Predicate =
delete_solver(int, mxArray**, int, const mxArray**)::__lambda0]?.

~/packages/caffe/matlab/+caffe/private/caffe_.cpp:208:4: required
from here

~/packages/caffe/matlab/+caffe/private/caffe_.cpp:208:4: error:
template argument for ?.emplate<class _FIter, class _Predicate> _FIter
std::remove_if(_FIter, _FIter, _Predicate)?.uses local type
?.elete_solver(int, mxArray**, int, const mxArray**)::__lambda0?

}), solvers_.end());

^

~/packages/caffe/matlab/+caffe/private/caffe_.cpp:208:4: error:
trying to instantiate ?.emplate<class _FIter, class _Predicate> _FIter
std::remove_if(_FIter, _FIter, _Predicate)?

~/packages/caffe/matlab/+caffe/private/caffe_.cpp: In function
?.oid delete_net(int, mxArray**, int, const mxArray**)?.

~/packages/caffe/matlab/+caffe/private/caffe_.cpp:293:3: warning:
lambda expressions only available with -std=c++11 or -std=gnu++11 [enabled by
default]

}), nets_.end());

^

~/packages/caffe/matlab/+caffe/private/caffe_.cpp:293:4: error: no
matching function for call to
?.emove_if(std::vector<boost::shared_ptr<caffe::Net<float> > >::iterator,
std::vector<boost::shared_ptr<caffe::Net<float> > >::iterator,
delete_net(int, mxArray**, int, const mxArray**)::__lambda1)?

}), nets_.end());

^

~/packages/caffe/matlab/+caffe/private/caffe_.cpp:293:4: note:
candidate is:

In file included from /usr/include/c++/4.8.2/algorithm:62:0,

from ./include/caffe/blob.hpp:4,

from ./include/caffe/caffe.hpp:7,

from ~/packages/caffe/matlab/+caffe/private/caffe_.cpp:18:

/usr/include/c++/4.8.2/bits/stl_algo.h:1134:5: note: template<class _FIter,
class _Predicate> _FIter std::remove_if(_FIter, _FIter, _Predicate)

remove_if(_ForwardIterator __first, _ForwardIterator __last,

^

/usr/include/c++/4.8.2/bits/stl_algo.h:1134:5: note: template argument
deduction/substitution failed:

~/packages/caffe/matlab/+caffe/private/caffe_.cpp: In substitution
of ?.emplate<class _FIter, class _Predicate> _FIter std::remove_if(_FIter,
_FIter, _Predicate) [with _FIter =
__gnu_cxx::__normal_iterator<boost::shared_ptr<caffe::Net<float> >*,
std::vector<boost::shared_ptr<caffe::Net<float> > > >; _Predicate =
delete_net(int, mxArray**, int, const mxArray**)::__lambda1]?.

~/packages/caffe/matlab/+caffe/private/caffe_.cpp:293:4: required
from here

~/packages/caffe/matlab/+caffe/private/caffe_.cpp:293:4: error:
template argument for ?.emplate<class _FIter, class _Predicate> _FIter
std::remove_if(_FIter, _FIter, _Predicate)?.uses local type ?.elete_net(int,
mxArray**, int, const mxArray**)::__lambda1?

}), nets_.end());

^

~/packages/caffe/matlab/+caffe/private/caffe_.cpp:293:4: error:
trying to instantiate ?.emplate<class _FIter, class _Predicate> _FIter
std::remove_if(_FIter, _FIter, _Predicate)?

make: *** [matlab/+caffe/private/caffe_.mexa64] Error 255

解决方案：

CXXFLAGS += -MMD -MP

CXXFLAGS += -std=c++11

Invalid MEX-file ‘/matlab/+caffe/private/caffe_.mexa64’: libopenblas.so.0: cannot open shared object file: No such file or directory

解决方案：

Add the openblas lib dir to LD_LIBRARY_PATH

MATLAB/R2014a/bin/glnxa64/…/…/sys/os/glnxa64/libstdc++.so.6: version `GLIBCXX_3.4.18’ not found (required by /usr/local/lib/libprotobuf.so.14)

解决方案：

Maybe this issue on caffe is helpful to you.
BVLC/caffe#827
In my case, export LD_PRELOAD=/usr/lib/x86_64-linux-gnu/libstdc++.so.6 solved
the error.

strings /usr/anaconda2/pkgs/libgcc-5.2.0-0/lib/libstdc++.so.6 | grep
GLIBCXX(符合要求)

strings /usr/local/MATLAB/R2014a/sys/os/glnxa64/libstdc++.so.6 | grep GLIBCXX

strings /usr/anaconda2/lib/libstdc++.so.6 | grep GLIBCXX(符合要求)

也即添加上包含GLIBCXX_3.4.18版本的libstdc++.so.6

INSTALL NCCL，注意gencode architecture,不然编译会出现问题

问题描述：

F0920 17:05:47.221035 23925 caffe.cpp:254] Multi-GPU execution not available -
rebuild with USE_NCCL

*** Check failure stack trace: ***

@ 0x7f00dbada84d google::LogMessage::Fail()

@ 0x7f00dbadc61c google::LogMessage::SendToLog()

@ 0x7f00dbada43c google::LogMessage::Flush()

@ 0x7f00dbadcf2e google::LogMessageFatal::~LogMessageFatal()

@ 0x40b72e train()

@ 0x40861c main

@ 0x7f00cef57af5 __libc_start_main

USE_NCCL,编译方式来执行程度

nvcc fatal : Unsupported gpu architecture ‘compute_60’

make: *** [~/packages/nccl/build/obj/libwrap.o] Error 1

[user@233184 nccl]$ echo $LD_LIBRARY_PATH

Myself try to modify the architecture of the cuda

CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \

-gencode arch=compute_20,code=sm_21 \

-gencode arch=compute_30,code=sm_30 \

-gencode arch=compute_35,code=sm_35 \

-gencode arch=compute_50,code=sm_50 \

-gencode arch=compute_52,code=sm_52 \

#-gencode arch=compute_60,code=sm_60 \

#-gencode arch=compute_61,code=sm_61 \

#-gencode arch=compute_61,code=compute_61

NCCL与MATLAB识别问题，如果未识别

NCCL对于已经安装的NCCL, 如果nccl的lib和include
库不在搜索路径里面，记得把相应CMake Dependency
路径,前提是NCCL已经安装lib已经加入LD_LIBRARY_PATH里面（成功案例，Caffe-reid(/prjdocs/person_reids/caffe-reid)

SOLUTION：

cmake -DBLAS=open -DBUILD_matlab=ON -DUSE_NCCL=ON
-DCMAKE_INCLUDE_PATH=~/packages/OpenBLAS/include
-DCMAKE_LIBRARY_PATH=~/packages/OpenBLAS/lib .