一直想将DL用于自己目前研究的image retrieval中,实际上,本小子在之前的博文Deep Learning for Content-Based Image Retrieval关于用DL做检索的paper也做了些调研。可以看出,虽然DL现在很火,但是将其用于image retrieval似乎还并不多。这连天正好忙里偷闲,在Ubuntu12.04中把caffe捣鼓了一番,成功,只能说配置起来真的很egg pain。下面是自己在配置过程中出现的一些问题,配置的时候自己特地做了笔记,便于后面查阅。

1、 CUDA自带了显卡驱动,安装后图形界面分辨率变模糊,NVIDIA图形配置是出现:

You do not appear to be using the NVIDIA X driver. Please edit your X configuration file (just run nvidia-xconfig as root), and restart the X server

主要是由于没激活安装的显卡:

I was also facing the same problem. Now that you asked it, I wanted to fix >in my computer as well. So here is how you do it.

EDIT: sudo apt-get install nvidia-current

sudo nvidia-xconfig. This will just create the file /etc/X11/xorg.conf. Next do

sudo software-properties-gtk

答案链接按照上面安装后,重启,完成激活。

2、/include/caffe/common.hpp:5:27: 致命错误: gflags/gflags.h:没有那个文件或目录编译中断。make: *** [.build_release/src/caffe/common.o] 错误。可以看出跟gflags有关,大概推测是gflags没装,于是按照教程把下面的都安装了:

# 安装glog/gflags/lmdb
# 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
# 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
# lmdb
git clone https://gitorious.org//mdb/mdb.git
cd mdb/libraries/liblmdb
make && make install

3、如果用make all编译caffe时出现mkl错误:./include/caffe/util/mkl_alternate.hpp:6:17: 致命错误: mkl.h:没有那个文件或目录 编译中断。主要是因为MKL与CUDA的环境设置没设置好。另外安装MKL时最好选择默认路径:

/opt/intel/lib/intel64
/opt/intel/mkl/lib/intel64

4、出现:/usr/bin/ld: cannot find -lboost_system collect2: ld 返回 1make: *** [.build_release/lib/libcaffe.so] 错误。这个需要安装libboost-dev,运行下面命令即可完成按照:

sudo apt-get install libboost-all-dev

安装Caffe并测试。切换到Caffe的下载文件夹,然后执行:

$ cp Makefile.config.example Makefile.config

修改新生成的Makefile.config文件,修改“BLAS := mkl”,这个非常重要。

$ make clean
$ make all
$ make test
$ make runtest

新建cuda.conf,并编辑之:

$ sudo touch cuda.conf
$ sudo vim cuda.conf

在新建的cuda.conf中添加:

/usr/local/cuda/lib64
/lib

完成lib文件的链接操作,执行:

$ sudo ldconfig -v

5、When ./create_mnist.sh, fault: convert_mnist_data.bin: not found

这个问题,在caffe github上有人提出了issue,链接传送门,按照答案说的,对于caffe,必须得在caffe的根目录,所以根目录运行脚本吧。

最后,如果没用GPU的话,在examples/mnist/lenet_solver.prototxt最后一行修改GPU为CPU。


caffe python接口安装

1、 如果没有pip的话,先安装pip。进入caffe python目录,安装所需要的依赖关系:

sudo pip install -r requirement.txt

用requirements.txt失败,用 Anaconda安装sudo pip install -r /path/to/caffe/python/requirements.txt在执行上述命令时, 会报错导致不能完全安装所有需要的包。 可以按照官方建议安装anaconda包。 在anaconda官网下载.sh文件,执行,最后添加bin目录到环境变量即可(在安装的时候会询问你时是否添加)。

注意:Anaconda安装的库并没有在python的库目录中。

2、 错误:libm.so.6: GLIBC_2.15 not found, required by libopencv。。。将libm.so.6和libm.so重命名为别的即可,比如:

sudo mv libm.so.6 libm.so.6.backup
sudo mv libm.so libm.so.backup

3、 你需要安装ipython和ipython qtconsole。安装完后可以用下面的脚本测试:

import sys
sys.path.append('/home/yong/anaconda/lib/python2.7/site-packages')
sys.path.append('/usr/lib/python2.7/dist-packages')import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline# Make sure that caffe is on the python path:
caffe_root = '../'  # this file is expected to be in {caffe_root}/examplessys.path.insert(0, caffe_root + 'python')import caffeplt.rcParams['figure.figsize'] = (10, 10)
plt.rcParams['image.interpolation'] = 'nearest'
plt.rcParams['image.cmap'] = 'gray'

参考:

  1. caffe官网

  2. Ubuntu12.04上面用CPU编译使用caffe(不完全安装)

  3. Caffe + Ubuntu 14.04 + CUDA 6.5 新手安装配置指南

  4. Caffe配置过程

  5. DIY Deep Learning for Vision: a Hands-On Tutorial with Caffe

from: http://yongyuan.name/blog/problems-when-configing-caffe.html

caffe配置中的一些问题相关推荐

  1. Ubuntu 14.04 64位机上不带CUDA支持的Caffe配置编译操作过程

    Caffe是一个高效的深度学习框架.它既可以在CPU上执行也可以在GPU上执行. 下面介绍在Ubuntu上不带CUDA的Caffe配置编译过程: 1.      安装BLAS:$ sudo apt-g ...

  2. 【非原创】Ubuntu14.04+cuda6.5+opencv2.4.9+caffe配置记录

    Ubuntu14.04+cuda6.5+opencv2.4.9+caffe配置记录 从4月5日差不多开始安装,到今天4月15日,快两个星期了.如果加上之前自己看点Linux的时间,这折腾的有两个星期( ...

  3. 深度学习caffe(4)——caffe配置(GPU)

    电脑:win7  64位,NVIDIA GeForce GTX1080 Ti,visual studio 2013. 深度学习caffe(1)--windows配置caffe(vs2013+pytho ...

  4. 计算机命令vty是什么意思,讲述华为交换机配置中HTTP访问和vty访问命令 -电脑资料...

    讲述华为交换机配置中HTTP访问和vty访问命令,有很多热心的网友对华为交换机配置问题给出了答复,不知道是不是提问者想要的答案,感谢网友对HTTP访问和vty访问命令命令的详细解答, 华为交换机配置标 ...

  5. Idea--Tomcat配置中的On Upate Action 与 On Frame Deactivation

    2019独角兽企业重金招聘Python工程师标准>>> 转载自:https://www.cnblogs.com/zhangguangju/p/7027904.html 这两个选项的设 ...

  6. 第五节13读取配置中的连接字符串

    using System; using System.Collections.Generic; using System.ComponentModel; using System.Data; usin ...

  7. SAP MM 采购单据的屏幕布局配置中字段选择值“$$$$”有什么用处?

    SAP MM 采购单据的屏幕布局配置中字段选择值"$$$$"有什么用处? 项目实践中,常常会定义用户参数EFB(Function Authorization)并为之分配字段选择. ...

  8. SAP MM PR Release Strategy 配置中Classification数据的维护

    SAP MM PR Release Strategy 配置中Classification数据的维护 MM顾问都知道,在标准SAP系统中,采购申请审批策略的配置,有部分数据是不能通过TR传输的方式快捷的 ...

  9. ZooKeeper配置中出现Error contacting service. It is probably not running

    问题描述 ZooKeeper配置中出现Error contacting service. It is probably not running,实际上已经装了ZooKeeper,并进行了相关文件的配置 ...

最新文章

  1. Redis源码解析——有序整数集
  2. 职中计算机应用教学方法,职中《计算机应用基础》教学心得体会
  3. bzoj 2962 序列操作
  4. 学习java的经典书籍
  5. 26 MM配置-采购-采购申请-定义编码范围
  6. ubuntu Vim的退出命令
  7. corners边框_第11天|16天搞定前端,CSS的圆角边框,让人赏心悦目
  8. 通过反射创建新类示例的两种方式及比较
  9. 函数适配器:bind2nd
  10. 对比:重建索引与更新统计
  11. 常用的Mysql数据库操作语句大全
  12. 001 【Chrome】浏览器自带取色器
  13. 谷歌高级搜索技巧之高级语法查询指令
  14. 身份证号码正则表达式及校验方法
  15. 腾讯应用宝市场的app 安全评估报告怎么写
  16. OpenCV实现简单的录屏功能
  17. zsh: command not find解决办法
  18. Word高版本打开低版本显示兼容模式
  19. 更换Ubuntu的软件仓库为国内的镜像
  20. Linux命令 - 日拱一卒

热门文章

  1. 斯坦福CS231n 2017最新课程:李飞飞详解深度学习的框架实现与对比
  2. 乐视姓孙还是姓贾?反正我不知道
  3. 微服务架构在云端的应用
  4. 房价波动5%很正常 房地产市场绝不会崩盘
  5. 逻辑回归评分卡实现和评估
  6. 运行VC++6.0出现error LNK2001: unresolved external symbol _WinMain@16
  7. docker-compose配置redis服务
  8. 循环卷积和周期卷积的关系_PSConv:多位一体、即插即用卷积单元
  9. QT教程2:QT5的体系构架
  10. 深入理解ROS技术 【2】ROS下的模块详解(66-128)