深度学习框架caffe及py-faster-rcnn详细配置安装过程
深度学习框架caffe及py-faster-rcnn详细配置安装过程
配置环境:
- ubuntu14.04
- CUDA7.5
1、准备工作
安装vim、python-pip、git
sudo apt-get install vim
sudo apt-get install python-pip
sudo apt-get install git
- 1
- 2
- 3
- 1
- 2
- 3
2、安装CUDA7.5
CUDA(Compute Unified Device Architecture),是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构(ISA)以及GPU内部的并行计算引擎。——百度百科
CUDA的安装包可以在NVIDIA官网下载:https://developer.nvidia.com/cuda-downloads
安装CUDA7.5
sudo dpkg --install cuda-repo-ubuntu1404-7-5-local_7.5-18_amd64.deb
sudo apt-get update
sudo apt-get install cuda
- 1
- 2
- 3
- 1
- 2
- 3
更改路径
sudo vim /etc/profile
++ export PATH=/usr/local/cuda-7.5/bin:$PATH
++ export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH
- 1
- 2
- 3
- 1
- 2
- 3
使以上更改生效
source /etc/profile
- 1
- 1
编译CUDA
cd /usr/local/cuda/samples
sudo make all -j4
- 1
- 2
- 1
- 2
验证是否安装成功
cd /usr/local/cuda/samples/bin/x86_64/linux/release
./deviceQuery
- 1
- 2
- 1
- 2
若在命令行显示显卡信息则表示安装成功,如下图所示:
3、安装CuDNN
CuDNN是专门针对Deep Learning框架设计的一套GPU计算加速方案,目前支持的DL库包括Caffe,ConvNet, Torch7等。
CuDNN的安装包可以在NVIDIA官网下载:https://developer.nvidia.com/cuDNN
执行以下命令
tar zxvf cudnn-7.0-linux-x64-v4.0-rc.tgz
cp cuda/lib64/lib* /usr/local/cuda/lib64
cp cuda/include/cudnn.h /usr/local/cuda/include
cd /usr/local/cuda/lib64
sudo rm libcudnn.so libcudnn.so.4
sudo ln -s libcudnn.so.4.0.4 libcudnn.so.4
sudo ln -s libcudnn.so.4 libcudnn.so
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 1
- 2
- 3
- 4
- 5
- 6
- 7
然后重启机器
sudo reboot
- 1
- 1
4、检查修改的路径是否正确
echo $PATH
- 1
- 1
检查是否与以下内容一致
export PATH=/usr/local/cuda-7.5/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH
- 1
- 2
- 1
- 2
5、安装python-opencv
sudo apt-get install python-opencv
- 1
- 1
6、安装pyCUDA
sudo apt-get install libatlas-base-dev
- 1
- 1
7、下载py-faster-rcnn
github上py-faster-rcnn项目的地址:https://github.com/rbgirshick/py-faster-rcnn
git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git
- 1
- 1
8、编译caffe
cd py-faster-rcnn
cd caffe-fast-rcnn
- 1
- 2
- 1
- 2
安装依赖包
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
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install python-skimage
sudo apt-get install python-protobuf
sudo apt-get install python-yaml
sudo pip install cython
sudo pip install easydict
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
安装python依赖包
cd python
for req in $(cat requirements.txt);
do pip install $req;
done
- 1
- 2
- 3
- 4
- 1
- 2
- 3
- 4
在命令行多次(一般2~3次)执行以上命令,直到出现requirement already satisfied为止
编译caffe
cd py-faster-rcnn
cd caffe-fast-rcnn
cp Makefile.config.example Makefile.config
- 1
- 2
- 3
- 1
- 2
- 3
打开WITH_PYTHON_LAYER开关
vim Makefile.config
- 1
- 1
将WITH_PYTHON_LAYER :=1前面的#号去掉
若先前已经安装过opencv3.0以上版本
需将USE_OPENCV := 0和OPENCV_VERSION := 3前的#号去掉
sudo make all -j4
sudo make pycaffe -j4
- 1
- 2
- 1
- 2
注意:若编译过程中报错找不到hdf5.h或者hdf5_hl.h , 错误提示为:
./include/caffe/util/hdf5.hpp:6:18: fatal error: hdf5.h: No such file or directory
- 1
- 1
使用命令sudo find / -name hdf5.h 和sudo find / -name hdf5_hl.h , 找到相应的路径之后,把路径加到Makefile.config中。
如,我的hdf5.h的路径为:
/usr/include/hdf5/serial/hdf5.h
- 1
- 1
则修改Makefile.config中的项“INCLUDE_DIRS”为:
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/include/hdf5/serial \/usr/local/include
- 1
- 2
- 1
- 2
若在Ubuntu16.04+CUDA8+cudnn5配置py-faster-rcnn下配置可参考:http://blog.csdn.net/zhuiqiuk/article/details/54093170
编译faster-rcnn
cd py-faster-rcnn
cd lib
make
- 1
- 2
- 3
- 1
- 2
- 3
9、检验是否配置成功
运行demo.py
cd py-faster-rcnn
cd tools
python demo.py
- 1
- 2
- 3
- 1
- 2
- 3
若可以检测出图片中的目标,则表示配置完成,如下图所示:
深度学习框架caffe及py-faster-rcnn详细配置安装过程相关推荐
- 深度学习框架Caffe源码解析
作者:薛云峰(https://github.com/HolidayXue),主要从事视频图像算法的研究, 本文来源微信公众号:深度学习大讲堂. 原文:深度学习框架Caffe源码解析 欢迎技术投稿. ...
- 深度学习框架Caffe, MXNet, TensorFlow, Torch, CNTK性能测试报告
香港浸会大学对于深度学习框架Caffe, MXNet, TensorFlow, Torch, CNTK性能测试报告 http://dlbench.comp.hkbu.edu.hk/
- HI3559A和AI深度学习框架caffe
from:http://blog.sina.com.cn/s/blog_156e567660102ygdf.html 1.HI3559A支持深度学习框架caffe.其中的NNIE神经网络加速单元是主要 ...
- 贾扬清分享_深度学习框架caffe
Caffe是一个清晰而高效的深度学习框架,其作者是博士毕业于UC Berkeley的 贾扬清,目前在Google工作.本文是根据机器学习研究会组织的online分享的交流内容,简单的整理了一下. ## ...
- Windows系统下首次安装深度学习框架Caffe失败
Caffe,全称Convolutional Architecture for Fast Feature Embedding,是一个兼具表达性.速度和思维模块化的深度学习框架. 下载caffe,GitH ...
- 很火的深度学习框架PyTorch怎么用?手把手带你安装配置
导读:本文主要介绍PyTorch的一些基础且常用的概念和模块,以及: 为何选择PyTorch. PyTorch环境的安装与配置. 作者:吴茂贵 郁明敏 杨本法 李涛 张粤磊 来源:大数据DT(ID:b ...
- 深度学习目标检测系列:faster RCNN实现|附python源码
目标检测一直是计算机视觉中比较热门的研究领域,有一些常用且成熟的算法得到业内公认水平,比如RCNN系列算法.SSD以及YOLO等.如果你是从事这一行业的话,你会使用哪种算法进行目标检测任务呢?在我寻求 ...
- python实现目标检测源代码包_深度学习目标检测系列:faster RCNN实现|附python源码...
摘要: 本文在讲述RCNN系列算法基本原理基础上,使用keras实现faster RCNN算法,在细胞检测任务上表现优异,可动手操作一下. 目标检测一直是计算机视觉中比较热门的研究领域,有一些常用且成 ...
- 深度学习(十六)——Faster R-CNN, YOLO
https://antkillerfarm.github.io/ Fast R-CNN(续) ROI Pooling SPP将图像pooling成多个固定尺度,而RoI只将图像pooling到单个固定 ...
最新文章
- Ubuntu安装Beyond-Compare 4
- 如何找出SAP Fiori launchpad URL start_up请求发起的具体位置
- 怎样制作滴滴截图_滴滴老了吗?
- 广东省计算机应用(2010),2010年广东省高等教育自学考试计算机基础及应用(N)试卷(课程代码.doc...
- 软件开发包(SDK)安全与合规报告(2020)
- 前端基础git(一)-git入门代码版本控制介绍
- 杂谈(2)---成熟人士的50个处事细节
- Aruba7010 默认密码_钟祥人注意!手机这个密码必须设,否则危险!
- AVL平衡树的插入例程
- 霍夫曼编码实验matlab,哈夫曼编码 MATLAB程序
- pfSesne 使用IPv6与隧道代理
- 金融评分卡项目—3.流失预警模型中的数据预处理与特征衍生
- [改善Java代码]边界,边界,还是边界
- SAP物料批次管理配置及操作手册(轉載)
- Makefile:94: recipe for target 'install-***-recurse' failed 解决方法
- Mathtype部分符号打不上去或部分符号点击后停止工作
- python实现二十四点
- oracle数据库查看scanip,rac下查看scanip 在哪個節點上
- 带你玩转以太坊智能合约的Hello World
- python中from import_Python中的import和from import
热门文章
- boost::math::tools::polynomial相关用法的测试程序
- boost::intrusive::unordered_set用法的测试程序
- boost::geometry::sectionalize用法的测试程序
- boost::fusion::joint_view用法的测试程序
- boost::posix_time模块实现本地时间和 UTC 之间的转换的测试程序
- Boost:循环缓冲区总和的测试程序
- boost::callable_traits的is_invocable的测试程序
- ITK:过滤图像而没有复制其数据
- VTK:小部件之BorderWidget
- Qmake变量variable