看了很多大牛的文章，淌过了好多好多坑。

终于完整走过了一个流程。

这里就不写我参考的文章了，零零碎碎很多，我也记不清了。

我这里分两部分，第一部分配置caffe，第二部分使用mnist

尽量用了最简单的方式直接出结果

涉及到配置使用的部分我就直接来干货，不写一堆中间过程和解释了

我这里安装在用户主目录下（/home/用户名/caffe）

第一部分配置caffe

Ubuntu18.04（话说这个新发的版本不错）

opencv3（所以编译的前的配置需要修改）

python2.7（想弄3来着，倒腾好久，失败了，放弃了）

简单点，就四个步骤，顺序搞下来就成

1)安装

用户主目录下运行：

sh caffeCfg.sh

这个sh文件手动写的，内容：

sudo apt-get install libprotobuf-dev
sudo apt-get install libleveldb-dev
sudo apt-get install libsnappy-dev
sudo apt-get install libopencv-dev
sudo apt-get install libhdf5-serial-dev
sudo apt-get install protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libatlas-base-dev
sudo apt-get install python-dev
sudo apt-get install libgflags-dev
sudo apt-get install libgoogle-glog-dev
sudo apt-get install liblmdb-dev
cd ~
sudo apt-get install git
git clone https://github.com/BVLC/caffe.git
cd caffe/python
sudo apt-get install python-pip
for req in $(cat requirements.txt); do pip install $req; done
sudo apt-get install python-numpy
sudo pip install opencv-python

2)配置Caffe编译参数

caffe目录下:

cp Makefile.config.example Makefile.config

Makefile.config文件进行以下修改：

去掉CPU_ONLY := 1前面的注释
去掉OPENCV_VERSION := 3前面的注释

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

3)编译Caffe

make pycaffe
make all
make test
make runtest
（需要重新编译就 make clean）

4)配置Python接口

sudo echo export PYTHONPATH="~/caffe/python" >> ~/.bashrc
source ~/.bashrc

进入python环境，输入：
import caffe
如果没有报错，安装成功。

第二部分使用mnist

6个步骤，前面五个是数据准备与训练，最后一个是调用

这里插一句：

这部分用的不是原始图像数据，是mnist例子里的东西。

我另外收集了些资料，打包整理了一套完整流程，使用图像数据，进行转换格式、训练以及调用。

caffe mnist数据源+完整训练+调用代码：

https://download.csdn.net/download/jiyanglin/10403784

1）下载数据

caffe/data/mnist目录下执行　　

sh get_mnist.sh　

2）数据转换

caffe目录下执行

sudo sh ./examples/mnist/create_mnist.sh

3)配置训练数据

caffe/examples/mnist/下新建文件夹model

修改caffe/examples/mnist/下lenet_solver.prototxt 文件：

snapshot_prefix字段修改：snapshot_prefix: "examples/mnist/model/lenet"

solver_mode:GPU 默认GPU,修改为CPU

4）开始训练

caffe目录下：

sudo sh ./examples/mnist/train_lenet.sh

5）测试

caffe目录下：

sudo ./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/model/lenet_iter_10000.caffemodel

6）代码调用

在caffe目录下运行这个python代码文件

caffe/examples/mnist/ 两个文件夹：mnist_train_lmdb, and mnist_test_lmdb

如果有访问权限，搞掉。不然运行会报错。

记得图像必须是28*28单通道，白底黑字。（因为训练时候用的就是这种图像）

调用函数的代码这样（目录得写全路径）：

img = "/home/jyl/0.png"
proto = "/home/jyl/caffe/examples/mnist/lenet.prototxt"
model = "/home/jyl/caffe/examples/mnist/model/lenet_iter_10000.caffemodel"

test(img,proto,model)

代码如下：

import caffe
import numpy as np
import cv2

def test(img,proto,model):
net = caffe.Net(proto, model, caffe.TEST)
print net.blobs['data'].data.shape
transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})
transformer.set_transpose('data', (2, 0, 1))
transformer.set_raw_scale('data', 255)

im = caffe.io.load_image(img, False)

cv2.imshow("imgshow", im)
cv2.waitKey(0)

net.blobs['data'].data[...] = transformer.preprocess('data', im)
print net.blobs['data'].data

out = net.forward()
print out

prob = net.blobs['prob'].data[0].flatten()
print prob

order = prob.argsort()[-1]
print 'pic num:', order

img = "/home/jyl/0.png"
proto = "/home/jyl/caffe/examples/mnist/lenet.prototxt"
model = "/home/jyl/caffe/examples/mnist/model/lenet_iter_10000.caffemodel"
test(img,proto,model

caffe mnist数据源+完整训练+调用代码

caffe(CPU版本)配置及MNIST调用相关推荐

Windows7下Caffe的应用---在Win7下使用VS2015、Camke、Anaconda3配置Caffe CPU版本
前言 1.之前一直在Linux使用Caffe做机器学习的相关的项目,相对于Linux,在Windows配置Caffe相对麻烦一些,我这里使用Cmake gui版本,适合新手操作. 2.我配置的环境是w ...
win7 + Caffe CPU版本安装
步骤1:VS2013的下载安装 ...
ubuntu16.04下载caffe(CPU版本)及部分文件说明
一.caffe下载 caffe的下载是个麻烦的过程,真是废了九牛二虎之力.分CPU版本和GPU版本.在GPU版本中需要使用到CUDA驱动,所以显卡必须是英伟达(Nvidia)的显卡.可通过以下命令 ...
虚拟机 ubuntu 16 安装caffe CPU版本安装open pose
虚拟机 ubuntu 16.14 open CV 3.3.0 caffe CPU openpose https://github.com/CMU-Perceptual-Computing-Lab/ ...
Caffe(CPU-only)版本在windows下的安装及配置
参考文章 win7 + Caffe CPU版本安装 Caffe初体验之Caffe-Windows的配置(CPU/GPU)与Mnist数据集测试 win10下装caffe的cpu版本详解 Windows ...
记录配置faster rcnn（caffe）CPU版本遇到的问题
运行Faster-Rcnn代码与Faster-Rcnn一样Faster-Rcnn官方也是采用caffe作为框架. 首先将项目克隆到本地(需要挂代理) Make sure to clone with ...
caffe(cpu)配置之终极成功版哈哈哈
前言历经几十次的caffe安装经历,终于对它的安装过程有了更深的理解,碰到一些bug也知道如何避过.我先重启一下,如果还能正常进入ubuntu那咱们就把配置过程详细叙述一下(因为之前也配置成功做,重 ...
Windows7下Caffe-SSD的应用(一)——在Windosw7下编译配置Caffe-SSD CPU版本
前言 1.用过Caffe的GooglNet做图像分类的相关项目,比起传统的办法,效果要好很,在目标检测这块,之前也用传统的HOG加SVM实现过车辆,行人和马匹的检测,但正样本要上万图像,才能达到能应用 ...
2022-01-18 Caffe+Window11+Visual Studio 2015+Python3.5 CPU+GPU 配置详细教程
2022-01-18 Caffe+Window11+Visual Studio 2015+Python3.5 CPU+GPU 配置教程文章目录前言 1.开篇背景一.资源准备二.配置过程-雷区 ...
Windows10 64位 + caffe + Matlab -- cpu版本
Windows10 64位 + caffe + Matlab – cpu版本最近需要用到 windows 下 matlab 的 caffe 接口.所以进行环境配置,配置也花了一点时间,记录一下配置过 ...

caffe(CPU版本)配置及MNIST调用

第一部分配置caffe

1)安装

2)配置Caffe编译参数

3)编译Caffe

4)配置Python接口

第二部分使用mnist

1）下载数据

2）数据转换

4）开始训练

5）测试

6）代码调用

caffe(CPU版本)配置及MNIST调用相关推荐

最新文章

热门文章

caffe(CPU版本)配置 及MNIST调用

第一部分 配置caffe

1)安装

2)配置Caffe编译参数

3)编译Caffe

4)配置Python接口

第二部分 使用mnist

1）下载数据

2）数据转换

4）开始训练

5）测试

6）代码调用

caffe(CPU版本)配置 及MNIST调用相关推荐

最新文章

热门文章

caffe(CPU版本)配置及MNIST调用

第一部分配置caffe

第二部分使用mnist

caffe(CPU版本)配置及MNIST调用相关推荐