Caffe学习(1):Ubuntu16.04上Caffe配置安装(Only CPU)

常说天作孽犹可违，人作孽不可活啊，那为了毕设，我就是作死啊。没办法自己从三月份辞掉实习开始断断续续学习深度学习，才明白入坑虽浅，基情不断啊。为了能够完成毕设，便选了Caffe，也到处都是坑啊。没办法，为了祭奠我那糟糕透顶的记忆脑细胞，用我这糟糕的文笔稍微记录一下吧。

首先想吐槽一下，我的电脑没有Nvidia，没有Nvidia，没有Nvidia，重要的事情说三篇。在这上面就耽误了好几天。

安装依赖包 
1.安装protobuf,leveldb,snappy,opencv,hdf5, protobuf compiler andboost:

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

2.安装gflags,glogs ,lmdb andatlas.

sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install libatlas-base-dev

下载Caffe 
使用git直接下载Caffe非常简单，或者去https://github.com/BVLC/caffe下载

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

编译Caffe 
1.切换到Caffe所在目录

cp Makefile.config.example Makefile.config

2.配置Makefile.config

1)CPU_ONLY := 1

2)配置一些引用文件（增加部分主要是解决新版本下，HDF5的路径问题）

1)INCLUDE_DIRS := $(PYTHON_INCLUDE) 
 /usr/local/include     
 /usr/lib/x86_64-linux-gnu/hdf5/serial/include    

2)LIBRARY_DIRS := $(PYTHON_LIB) 
 /usr/local/lib 
 /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial
3)BLAS := atlas
计算能力 mkl > openlas >atlas

3.Make Caffe

make all -j8
make test -j8
make runtest -j8

4.编译成功，否则执行 make clean 多执行以下，否则多google吧

编译Python接口 
1.Caffe拥有python\C++\shell接口，在Caffe使用python特别方便，在实例中都有接口的说明。

1)确保pip已经安装

sudo apt-get install python-pip

2)新建shell文件并执行安装依赖

for req in $(cat requirements.txt); do pip install $req; done

3)编译python接口

make pycaffe

当出现下面错误的时候修改

Makefile.config

atal error: numpy/arrayobject.h: No such file or directory.

PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/lib/python2.7/dist-packages/numpy/core/include This is where our error is. So by changing this line to:

PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/local/lib/python2.7/dist-packages/numpy/core/include   
# Our problem is gone.

2.运行python结构

sudo gedit /etc/profile
末尾添加： export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH
用完整路径
source /etc/profile

(
export PYTHONPATH=$PYTHONPATH:/home/learning/caffe/python (caffe路径下的python)
)

linux terminal 进入python敲击

python

在Mnist运行Lenet 
1.获取数据源

退出python在linux terminal
./data/mnist/get_mnist.sh
./examples/mnist/create_mnist.sh



2.因为是CPU运行，所以修改在examples文件下的Mnist下的lenet_solver.prototxt中的solver_mode:CPU


solver_mode: CPU


3.训练模型


./examples/mnist/train_lenet.sh



终于写完了，该吃饭去了。

参考

[1]http://m.blog.csdn.net/article/details?id=50179759 GPU+Caffe安装

[2]http://sunshineatnoon.github.io/How-to-install-caffe/ CPU + Caffe安装

[3]https://github.com/BVLC/caffe/wiki

[4]http://www.cnblogs.com/denny402/p/5067265.html GPU+Caffe安装