对于使用深度学习进行图像处理,Caffe是一个不错的框架选择。但是安装起来,并不是如想象中容易,稍不注意就会出错。

网上关于Ubuntu14.04下配置Caffe的资料很多,但是总是要自己亲自配置才能获得自己的心得。

从操作系统的版本转换到cuda的版本等变换,加上一下bug,中途浪费了许多时间,折腾了一两天,终于还是配置成功了。

具体参照的链接是:http://blog.csdn.net/u012746763/article/details/50352930

还有一个有cuda安装模式的参考链接主要为:http://www.cnblogs.com/dupuleng/articles/4213834.html

感谢网上许多热心伙伴的贡献,让新入门的可以少走弯路。

由于目前的项目并没有引入GPU使用,只是一个进行初步的测试版本,因此没有配置cuda和GPU模式,仍然使用CPU运行模式。

【注:以下指令都是控制台指令,通过Ctrl+Alt+T快捷打开】

1.  安装【build-essentials】

安装开发所需要的一些基本的包,

sudo apt-get install build-essential

如果不可行,则可以执行:

sudo apt-get update

2. 安装【BLAS】

BLAS 有三类,默认的是ATLAS,其余两种是MKL和OpenBlas, 我一开始安装的OpenBlas,但是后面安装不正确导致caffe部分出错,因此后来是安装的ATLAS,如果要求不高,建议安装ATLAS,方便和安装简单。

sudo apt-get install libatlas-base-dev

注意,这里的选择在后面caffe的配置文件中会需要配置。如果换过,也要记得后面的配置需要修改。

3. 安装【OpenCV】

许多人建议无需手动安装,可以直接下载Github的安装版本(https://github.com/jayrambhia/Install-OpenCV),下载之后进行解压,由于是zip格式的文件,

解压指令为:

unzip -o XXX.zip -d XXXPATH

这里的XXX.zip是路径下的该压缩文件,XXXPATH是指定想要解压到的路径,这里需要注意最好输入绝对路径,当然不怕出错的话,也可以使用相对路径。解压之后可以先check一下。

当然如果是使用git,则直接使用git clone +链接,就直接不需要解压了。这个需要事先已安装git的情况下(sudo apt-get install git)

安装【2.4.9】,不知道为什么网上为什么建议安装2.4.10,我试了两次,都是安装到不到一半电脑都完全卡死,完全不动。因此,这里我建议安装OpenCV2.4.9,这里也有一个链接(https://github.com/bearpaw/Install-OpenCV),其实都可以的。

下载之后,进行解压,然后进入下面目录:

cd Install-OpenCV/Ubuntu/2.4/

给当前目录下的所有sh文件添加可执行权限:

chmod +x *.sh

安装OpenCV2.4.9:

sudo ./opencv2_4_9.sh

4. 安装【dependencies】

任意路径下可执行

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler

5. 配置和编译【Caffe】

接下来就可以进行配置了。

当然,首先是下载Caffe,可以从官网上给出的链接下载:https://github.com/BVLC/caffe按照之前相同的方法解压(或者git)之后,进入到caffe目录,然后复制配置文件:

cd ./caffe-master/

cp Makefile.config.example Makefile.config

接下来就是修改配置文件Makefile.config:

sudo vim Makefile.config

如果没有安装vim,可以先安装使用sudo apt-get install vim(关于vi的使用,这里不赘述了)

(如果权限不足,可以先修改文件的权限:

chmod g+w Makefile.config

主要修改的部分为:

1. 将# CPU_ONLY = 1前面的#去掉 并按“tab”键,(默认从tab处执行),因为这里没有安装GPU,需要使用CPU运行。

2. BLAS := atlas, 这是默认设置,如果不是安装的这个,则需要修改。具体修改,该语句上面有注释提示。

3. 设置MATLAB_DIR的路径:如我的是/usr/local/MATLAB/R2014a

这里,提供非常好的MATLAB for Linux的安装教程,

http://blog.csdn.net/lanbing510/article/details/41698285

http://www.cnblogs.com/txg198955/p/5477258.html

如果其中的下载链接失效,可以联系我。

有的时候安装好后指令输入sudo matlab之后,显示matlab command not found.的错误。

这个的解决方法是:

cd /usr/local/bin

sudo ln -s /usr/local/MATLAB/R2014a/bin/matlab matlab

之后只要在终端输入matlab就可以了。

设置完成后,则开始编译过程:

主要过程为:

sudo make all -j4

sudo make test

sudo make runtest

这里,需要注意的是,sudo必须加上,不然中间会报错....Permission Denied...。 另外,第一句中的j后面的数字是可以根据自己的机器的内核数改变,数字越大则表示可以多线程编译,则相应的速度会快。

===========================================================================================

===========================================================================================

【下面的就是自带的数据的训练和测试】

1. 使用MNIST数据集进行训练

(1)对提供的sh文件进行数据的预处理,生成训练和测试数据:

先到caffe下的以下路径:

cd data/mnist

运行:

sudo sh ./get_mnist.sh

会得到四个文件:t10k-images-idx3-ubyte, t10k-labels-idx1-ubyte, train-images-idx3-ubyte, train-labels-idx1-ubyte

(2)把数据处理成LDB文件,

sudo sh ./examples/mnist/create_mnist.sh

生成mnist-train-leveldb/ 和 mnist-test-leveldb/文件夹,这里包含了LDB格式的数据集

参考链接中说得很清楚,这里很容易犯的一个错误(事实上,我也犯了相同错误)是,这里如果先把目录切到/examples/mnist下,再进行运行sudo sh ./create_mnist.sh  的话,则会报错的。错误信息为:

./create_mnist.sh: 16: ./create_mnist.sh: build/examples/mnist/convert_mnist_data.bin: not found

(3)训练MNIST

由于我们使用的是CPU,因此这里需要在配置文件中进行修改,

cd /examples/mnist/

vi lenet_solver.prototxt

将文件最后的solver_mode:GPU 改为 solver_mode: CPU

修改完成之后,就可以进行训练了:

sudo sh ./examples/mnist/train_lenet.sh

训练完成之后会得到一个lenet_iter_10000.caffemodel。这里训练的时候需要注意之前的问题,仍然是要在caffe根目录进行训练,不能直接到examples/mnist目录下运行sh

训练成功可得到:

2. 使用MNIST数据集进行测试

训练完成之后,我们当然需要对我们训练的模型进行测试。

我是参照的命令行方式。也可以使用python,matlab进行编译。

首先需要在cd到 ./caffe-master/examples/mnist文件夹下,新建一个sh文件,生成指令为:

touch test_lenet.sh    #生成.sh文件

接着进入该文件进行编辑:

vim test_lenet.sh

编辑的内容为(可Copy):

#!/usr/bin/env sh

./build/tools/caffe test --model=examples/mnist/lenet_train_test.prototxt --weights=examples/mnist/lenet_iter_10000.caffemodel -iterations 100

这里其实就只有两行,一定要保证这一点。否则会出错。

保存之后返回到caffe目录下运行测试,跟之前一样。

sudo sh ./examples/mnist/test_lenet.sh

测试成功之后可以得到:

===========================================================================================

==========================================================================================

下面是对Python和MATLAB的编译

1. 安装和编译【Python】

安装Anaconda,许多人推荐安装,因为其能独立于系统自带的python库,并且提供大部分Caffe需要的科学运算Python库。

(1)下载官网:https://www.continuum.io/downloads

(2)下载完成之后,在下载目录执行

bash Anaconda2-4.1.0-Linux-x86_64.sh(替换自己下载的版本哈)

我下载的目前最新版,4.1.0,安装完成即将结束时,会询问时候将路径写到bashrc中,这里默认为no,也推荐选则no,接下来再自己配置。

(3)对配置文件进行修改:

sudo vim ~/.bashrc

文件末尾需要添加:

LD_LIBRARY_PATH=your_anaconda_path/lib:$LD_LIBRARY_PATH

export LD_LIBRARY_PATH

(4)安装python-dev和python-pip

sudo apt-get install python-dev python-pip

(5)执行pip

cd ./caffe-master/python

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

(6)编译

sudo make pycaffe

执行成功可见:

2. 安装和编译MATLAB

安装教程的链接之前提供过了,这里假设已经安装好MATLAB

(1)修改caffe目录下Makefile.config中MATLAB_DIR的路径,如果之前已经修改过,这里可跳过。

(2)cd到caffe目录下,运行

sudo make matcaffe

成功页面:

caffe 安装(only cpu)相关推荐

  1. caffe安装(CPU版本)window10+Anaconda3+vs2013

    环境说明: 操作系统:windows 10(64位) 编译环境visual studio 2013 ultimate版本(以下简称vs2013) 虚拟环境Anaconda3 安装步骤: 1.在Anco ...

  2. caffe+CPU︱虚拟机+Ubuntu16.04+CPU+caffe安装笔记

    由于本机是window10系统,所以想尝试caffe就在自己电脑上整了一个虚拟机(详情可见:win10系统搭建虚拟机:VMware Workstation Player 12环境+Ubuntu Kyl ...

  3. python安装caffe_Caffe安装笔记二:Caffe安装过程

    下面开始正题,caffe的安装过程.因为出问题很多,所以实际上我是尝试了python2和python3两种python的接口.下面一并放出来. 1.安装build-essential sudo apt ...

  4. Ubuntu 16.04 安装CUDA8.0+Cudnn6.0+TensorFlow+Caffe安装

    参考博客: Ubuntu16.04 Caffe 安装步骤记录(超详尽):http://blog.csdn.net/yhaolpz/article/details/71375762 ubuntu16.0 ...

  5. Ubuntu16.04黑屏问题·搜狗拼音输入法无法显示·重装失败·修改密码失败·caffe安装错误

    文章目录 第一篇 虚拟机硬盘故障问题 第二篇 虚拟机黑屏问题 第三篇 Ubuntu下搜狗输入法安装之后无法显示的问题 第四篇 Ubuntu16.04 sudo apt-get update更新失败的问 ...

  6. VS2015+caffe+matlab+python+CPU

    实验平台: Win7 64bit, VS 2015(Professional), matlab 2016b(64bit), python2.7.12, Eclipse IDE for Java Dev ...

  7. 迁移学习︱艺术风格转化:Artistic style-transfer+ubuntu14.0+caffe(only CPU)

    说起来这门技术大多是秀的成分高于实际,但是呢,其也可以作为图像增强的工具,看到一些比赛拿他作训练集扩充,还是一个比较好的思路.如何在caffe上面实现简单的风格转化呢? 好像网上的博文都没有说清楚,而 ...

  8. win10 caffe 安装

    Caffe安装及问题解决 Windows+Caffe+VS2013 1.无GPU安装 1.1.caffe安装包下载,https://github.com/Microsoft/caffe 为什么下载这个 ...

  9. [svc]caffe安装笔记-显卡购买

    caffe,这是是数据组需要做一些大数据模型的训练(深度学习), 要求 服务器+显卡(运算卡), 刚开始老板让买的牌子是泰坦的(这是2年前的事情了). 后来买不到这个牌子的,(jd,tb)看过丽台的, ...

  10. 71 mac boook pro 无 gpu 下caffe 安装

    71 mac boook pro 无 gpu 下caffe 安装 1.首先安装homebrew工具,相当于Mac下的yum或apt ruby -e "$(curl -fsSL https:/ ...

最新文章

  1. 支付宝技术风险负责人陈亮:把事情做到极致,技术的差异性才会体现出来
  2. iOS:分页控件UIPageControl的使用
  3. ios删除分割线_iOS应用开发中UITableView的分割线的一些设置技巧
  4. SCU 3133(博弈)
  5. java充血模型orm框架,关于领域驱动设计和贫血、失血、充血模型
  6. 中心对称数 java_【LeetCode(Java) - 246】中心对称数
  7. 【数据结构和算法】哈希表详解
  8. Accurate, Large Minibatch SGD
  9. 3D图形学矩阵完全解析傻瓜版
  10. thymealf 高级用法_mybatis基础系列(四)——关联查询、延迟加载、一级缓存与二级缓存...
  11. VS Code 创建HTML页面教程
  12. a4的尺寸大小转换为像素
  13. BZOJ 1122 [POI2008]账本BBB 神题
  14. SOC课程实验——PC程序计数器设计
  15. CSS背景图片平铺占满整个浏览器,且固定住不随滚动条移动
  16. 视频监控系统流媒体服务器的用处,监控视频流媒体服务器作用
  17. OptiView® XG 网络分析平板电脑特性(上)
  18. HCNA学习笔记(一)企业网络基本架构简述
  19. UI设计要学什么,这份UI学习路线图告诉你
  20. android 4.4 miui,刷机之家教你设置小米MIUI/Android 4.4双系统(一)

热门文章

  1. 安卓资源字串中加全角空格、半角空格、换行、@%等特殊字符
  2. 护卫神 mysql 升级_护卫神php套件 php版本升级方法
  3. python中none什么意思_如何理解Python中的None
  4. linux非对称内存,CryptoAPI与OpenSSL RSA非对称加密解密(PKCS1 PADDING)交互
  5. mysql数据结构_MySQL索引深入理解底层数据结构
  6. python web自动化代码_Python + selenium 自动化框架介绍+全代码附上
  7. 网站 云服务器ecshop,ecs云服务器搭建ecshop
  8. 在Linux中创建静态库和动态库范例 (hello.c)
  9. 扩展的几个应用 发布网络YUM源 vim编辑技巧 源码编译安装 systemctl控制
  10. 笔试题: 数据库 已看1 一些关键的sql语句练习 和选择题 有用 sql语句练习 挺好...