caffe基本不更新了，而且caffe2也已经是pytorch的一部分了。如果想考古可以用用caffe，但是如果时间比较紧的话还是学学Pytorch吧，大势所趋
去年双十一前，苦苦对比买了台组装机，最终因为贪图便宜300块钱选择了AMD的处理器和显卡。后来才发现CUDA是英伟达公司开发的，AMD显卡的架构不一样所以不能使用。而我心心念念的Caffe官网上只有关于CUDA的安装使用教程，但是好在AMD公司自己也开发了ROCm来和CUDA对标，虽然比CUDA小众很多但是好在买的显卡不至于只能用来打游戏。
之前有些买AMD显卡的选择安装各个神经网络的Opencl版本，但是毕竟没有专门用来深度学习工具的香。
如果还不了解OpenCL和CUDA是什么可以参考下面这个短文
CUDA和OpenCL的区别

本文主要参考ROCm官网，半搬运文章 https://rocm.github.io/

更新：官网上的引导教程有错误，我已经在GitHub上提交了，虽然GitHub上改了但是网站上估计还有一段时间。嘿嘿嘿可以在direct contributors找到我

预备阶段

1.硬件检查

首先看看自己的显卡是否支持ROCm ，在这个网页里ROCm硬件支持列表
搜索自己显卡的型号，如果在可使用的列表内那可以继续看本文，如果在不支持的列表内，关闭本网页就好了。

2.软件准备

（1）首先将ROCm存储库地址添加到系统

wget -qO - http://repo.radeon.com/rocm/apt/debian/rocm.gpg.key | sudo apt-key add -
echo 'deb [arch=amd64] http://repo.radeon.com/rocm/apt/debian/ xenial main' | sudo tee /etc/apt/sources.list.d/rocm.list

然后更新一下库，并且安装ROCm的核心组建 romc-dkms (下载大小500m解压后大小在2G+)需要等一段时间

sudo apt update
sudo apt install rocm-dkms

（2）检查自己是否在用户组里，因为必须有权限才能调用硬件GPU（如果是自己的个人电脑只有一个账户那肯定在里面）

groups

添加用户代码（其中LOGNAME是你的用户名，自动补全应该能显示）

sudo usermod -a -G video $LOGNAME

也可以把全部用户加入进来

//非必要命令行，注意条件
echo 'ADD_EXTRA_GROUPS=1' | sudo tee -a /etc/adduser.conf
echo 'EXTRA_GROUPS=video' | sudo tee -a /etc/adduser.conf

（3）检查是否安装成功（检查前最好重启电脑）

/opt/rocm/bin/rocminfo
/opt/rocm/opencl/bin/x86_64/clinfo

分别运行这两行，看看有没有自己的显卡信息而且没有红色的报错
然后把ROCm添加到系统环境里面

echo 'export PATH=$PATH:/opt/rocm/bin:/opt/rocm/profiler/bin:/opt/rocm/opencl/bin/x86_64' | sudo tee -a /etc/profile.d/rocm.sh

（4）选装
交叉编译
在不同的系统上进行开发和测试通常很有用。例如，某些开发或构建系统可能未安装AMD GPU。在这种情况下，您可能希望避免在开发系统中安装ROCK内核驱动程序。
在这种情况下，请安装软件包的开发子集：

sudo apt update
sudo apt install rocm-dev

（5）安装caffe部分

sudo apt-get install rocm-libs
sudo apt-get install miopen-hip miopengemm
sudo apt-get install -y \g++-multilib \libunwind-dev \git \cmake cmake-curses-gui \vim \emacs-nox \curl \wget \rpm \unzip \bc

(6)检查安装情况

cp -r /opt/rocm/hip/samples ~/hip-samples && cd ~/hip-samples/0_Intro/square/
make
./square.out

(第三行官网上写的生成文件名和实际文件名不一样，应该是更新后没有及时改，可以按照我的，最重要的还是依照你make后显示生成的文件名来)运行后应该有显示显卡信息之类

(7)编译程序

cd ~
git clone https://github.com/ROCmSoftwarePlatform/hipCaffe.git
cd hipCaffe
cp ./Makefile.config.example ./Makefile.config
make -j$(nproc)

(make出现warning是没什么问题的)
注意！这里make可能会报错：关于recipe for target ‘.build_release/tools/caffe.bin’ failed
我的原因是使用的是opencv3，解决方法是：把Makefile.config文件里，关于OpenCV的
OPENCV_VERSION := 3
前的#号注释删除掉就好了。
还有一点就是如果一次失败以后，修改过config文件后要执行 make clean 再重新make -j$(nproc) 要不然会有上次错误的信息留下了。

如果执行以后没有报错正常结束，则说明我们的安装成功了。

3.mnist例子测试

在hipCaffe目录下：

./data/mnist/get_mnist.sh
./examples/mnist/create_mnist.sh
./examples/mnist/train_lenet.sh

第一行是下载mnist数据集的脚本，终端下载有点慢，也可以自己到官网上下载，放到./data/mnist/文件夹下解压。
第二行是把数据集转化成带标签的训练文件。
第三行是训练。

训练成功会一直输出accrency和loss
例如这样
… …
I1111 22:04:58.524817 15519 solver.cpp:404] Test net output #0: accuracy = 0.9907
I1111 22:04:58.524850 15519 solver.cpp:404] Test net output #1: loss = 0.0291341 (* 1 = 0.0291341 loss)
I1111 22:04:58.524858 15519 solver.cpp:322] Optimization Done.
I1111 22:04:58.524863 15519 caffe.cpp:254] Optimization Done.

AMD显卡安装Caffe|深度学习|Ubuntu相关推荐

AMD显卡安装Pytorch
目录 0.背景 1.检查内核 2.ROCm安装 3.安装pytorch 0.背景昨天看到新闻报道, PyTorch 1.8来了!正式支持AMD GPU,炼丹不必NVIDIA ROCm是AMD公司推出 ...
caffe linux 教程,Caffe 深度学习入门教程 - 安装配置Ubuntu14.04+CUDA7.5+Caffe+cuDNN_Linux教程_Linux公社-Linux系统门户网站...
安装配置Ubuntu14.04+CUDA7.5+Caffe+cuDNN 一.版本 Linux系统:Ubuntu 14.04 (64位) 显卡:Nvidia K20c cuda: cuda_7.5.18 ...
在Ubuntu上安装Keras深度学习框架
目录 1)安装pip 2)安装Python科学套件 3)安装TensorFlow 4)安装keras 5)安装Jupyter Notebook 6)运行Keras 本文介绍如何在Ubuntu上安装Ke ...
Caffe深度学习框架上手教程
Caffe是一个清晰而高效的深度学习框架,本文详细介绍了caffe的优势.架构,网络定义.各层定义,Caffe的安装与配置,解读了Caffe实现的图像分类模型AlexNet,并演示了CIFAR-10在 ...
Caffe 深度学习框架上手教程
转载自: Caffe 深度学习框架上手教程 - OPEN 开发经验库 http://www.open-open.com/lib/view/open1421995285109.html 阅读目录 Caf ...
supervessel-免费云镜像︱GPU加速的Caffe深度学习开发环境
开发环境介绍在SuperVessel云上,我们为大家免费提供当前火热的caffe深度学习开发环境.SuperVessel的Caffe有如下优点: 1) 免去了繁琐的Caffe环境的安装配置,即申请即 ...
activeperl安装不成功_手把手教你：Windows系统上安装GPU深度学习环境
前言在入手学习深度学习的过程当中,有好几个朋友都咨询过我如何安装深度学习环境,之前写过一篇在Ubuntu环境下安装深度学习环境,但是有部分朋友在Windows电脑上安装深度学习环境遇到过许多的问题, ...
[caffe]深度学习之CNN检测object detection方法摘要介绍
[caffe]深度学习之CNN检测object detection方法摘要介绍 2015-08-17 17:44 3276人阅读评论(1) 收藏举报一两年cnn在检测这块的发展突飞猛进,下面详 ...
[caffe]深度学习之图像分类模型VGG解读
一.简单介绍 vgg和googlenet是2014年imagenet竞赛的双雄,这两类模型结构有一个共同特点是go deeper.跟googlenet不同的是.vgg继承了lenet以及alexnet ...

AMD显卡安装Caffe|深度学习|Ubuntu

预备阶段

1.硬件检查

2.软件准备

3.mnist例子测试

AMD显卡安装Caffe|深度学习|Ubuntu相关推荐

最新文章

热门文章