ubuntu 系統(tǒng)下的Caffe環(huán)境搭建

對(duì)于caffe的系統(tǒng)一般使用linux系統(tǒng)，當(dāng)然也有windows版本的caffe，不過(guò)如果你一開(kāi)始使用了windows下面的caffe，后面學(xué)習(xí)的過(guò)程中，會(huì)經(jīng)常遇到各種錯(cuò)誤，網(wǎng)上下載的一些源碼、模型也往往不能快速的跑起來(lái)，因?yàn)槊菜芻affe的官方只提供了linux版本，而且caffe在不斷的快速迭代更新中，如果不使用原版的話，后面編譯出現(xiàn)什么問(wèn)題，自己怎么錯(cuò)的，自己都不知道。本篇博文主要講解快速搭建caffe環(huán)境：

電腦系統(tǒng)：ubuntu 14.04

顯卡：GTX 850

在ubuntu下要完整的搭建caffe，個(gè)人感覺(jué)最難的一步就是cuda的安裝了，特別是對(duì)于雙顯卡的電腦來(lái)說(shuō)，很容易黑屏、無(wú)法登陸圖形界面，這個(gè)我安裝了n久，都沒(méi)裝成功，因?yàn)槲业碾娔X筆記本雙顯卡，每次裝完cuda就黑屏，網(wǎng)上的教程一大堆，但都中看不中用，導(dǎo)致我重裝了二三十次的系統(tǒng)，最后才成功。這里為了講caffe的安裝，我們先不使用GPU，進(jìn)行安裝測(cè)試，因?yàn)闆](méi)有GPU我們依舊可以跑caffe，只是速度比較慢而已。

1、安裝caffe所需要的依賴庫(kù)

命令：

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

這些庫(kù)要安裝挺久的，請(qǐng)耐心等待。

2、下載caffe。

到github上下載caffe：https://github.com/BVLC/caffe。下載完成后，解壓caffe源碼包。解壓后，我們打開(kāi)文件，可以看到caffe的源碼包如下：

3、配置Make.config 文件。caffe文件解壓后，文件夾下面有一個(gè)Makefile.config.example文件，我們需要對(duì)這個(gè)文件進(jìn)行重命名為：Make.config ?。也就是去掉后綴example。然后我們打開(kāi)這個(gè)文件，可以看到如下內(nèi)容：

然后我們把：#CPU_ONLY:=1，那一行的注釋符號(hào)去掉：CPU_ONLY:=1。這是因?yàn)槲覀儧](méi)有安裝CUDA，還不能使用gpu，所以我們把配置改為只使用cpu。

4、編譯caffe。

方案一:

(1)在完成Make.config配置后，我們輸入命令：

make all

進(jìn)行caffe源碼編譯.這一步有可能遇到如下錯(cuò)誤:

caffe/proto/caffe.pb.h: No such file or directory

如果出現(xiàn)這個(gè)錯(cuò)誤,那么輸入命令:

protoc src/caffe/proto/caffe.proto --cpp_out=. mkdir include/caffe/proto mv src/caffe/proto/caffe.pb.h include/caffe/proto

然后在進(jìn)行make all 就可以了

(2)編譯完成后，在安裝python接口，輸入命令：

make pycaffe

這個(gè)如果不使用python接口，調(diào)用caffe模型的話也可以不用安裝，不過(guò)建議還是搞一下，就一句話的事。完事后，我們會(huì)發(fā)現(xiàn)caffe源碼目錄下，多了一個(gè)build文件，這個(gè)文件下面有個(gè)tools，打開(kāi)這個(gè)文件夾：

這個(gè)文件夾下面的工具可是個(gè)好東西啊，以后我們會(huì)經(jīng)常用到這些可執(zhí)行文件，最常用的就是可執(zhí)行文件：caffe，我們只要調(diào)用這個(gè)工具，就可以進(jìn)行訓(xùn)練。

(3)接著編譯test文件夾下面的源碼。命令如下：

make test make runtest

采用這種方案一般沒(méi)問(wèn)題,不過(guò)我在使用c++調(diào)用的時(shí)候,會(huì)使用到鏈接庫(kù):libcaffe.so.1.0.0-rc3,這種方法編譯后沒(méi)有生成這個(gè)文件;經(jīng)過(guò)google查找,發(fā)現(xiàn)采用cmake編譯,才會(huì)生成libcaffe.so文件

方案二:直接采用cmake:

mkdir build cd build cmake .. make all -j8

5、測(cè)試階段

安裝完了，自然要測(cè)試一下能不能用咯。首先cd到caffe目錄，然后輸入命令：

sh data/mnist/get_mnist.sh sh examples/mnist/create_mnist.sh vim examples/mnist/lenet_solver.prototxt

把lenet_solver.prototxt里面的solver_mode 改為 CPU。因?yàn)槲覀冞€沒(méi)裝GPU，暫時(shí)只使用CPU就好了。

然后我們運(yùn)行腳本：

./examples/mnist/train_lenet.sh

這個(gè)時(shí)候，如果成功的話，就會(huì)開(kāi)始跑起來(lái)：

說(shuō)明：如果在使用caffe、或者編譯安裝caffe過(guò)程中，出現(xiàn)如下錯(cuò)誤：

CXX/LD -o .build_release/tools/convert_imageset.bin .build_release/lib/libcaffe.so: undefined reference tocv::imread(cv::String const&, int)'.build_release/lib/libcaffe.so: undefined reference tocv::imencode(cv::String const&, cv::_InputArray const&, std::vector >&, std::vector > const&)'

那么請(qǐng)修改上面的Makefile文件（不是Makefile.config）：

LIBRARIES += glog gflags protobuf leveldb snappy \ lmdb boost_system hdf5_hl hdf5 m \ opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs

也就是在libraries后面，加上opencv的相關(guān)庫(kù)文件。

接著就開(kāi)始caffe搞起吧，推薦個(gè)caffe模型網(wǎng)站：https://github.com/BVLC/caffe/wiki/Model-Zoo。本來(lái)個(gè)人不是很喜歡caffe的，就是因?yàn)檫@個(gè)網(wǎng)站吸引了我，這個(gè)網(wǎng)站可以搞到好多caffe模型、源碼，非常適合于我們學(xué)習(xí)。

二、在Eclipse中使用編譯調(diào)試caffe

1、首先就是安裝Eclipse，然后安裝c++開(kāi)發(fā)插件，這個(gè)可以百度搜一下，eclipse下面怎么進(jìn)行c++開(kāi)發(fā)。

2.導(dǎo)入caffe makefile工程到eclipse （由于是英文版，下面描述也用英文，省的翻譯，方便大家調(diào)試）
（1）File→New→Project→C/C++ →Makefile Project with Existing Code.
（2）Create a new Makefile Project from existing code
Projectname:?caffe-master
Existing code location：/home/user/caffe-workspace/caffe-master
Language:?choose C and C++
Toolchain:choose Linux GCC
（3）Then click on caffe-master in Project Explorer (set Window→Open ?Perspective → C/C++).

（4）Now go File → Properties → Run/Debug settings.Click ?New.., and choose C/C++ application
（5）Fill launch configurationproperties
· ? ? ? ?Arguments:
fill ? train –solver=examples/mnist/lenet_solver.prototxt
and change working directory from default to /home/user/caffe-workspace/caffe-master（change to your own directory）

(6)Now you can use debug caffe code: Run-> Debug

三、C++函數(shù)調(diào)用相關(guān)路徑，makefile

CC=g++CXXFLAGS = -O2 -Wall -D__STDC_CONSTANT_MACROS INCLUDE = -I/usr/local/cuda/include -I. -I/usr/local/cuda/include -I/home/hjimce/caffe/include/ -I/home/hjimce/caffe/src/LIBRARY = -L/usr/local/x86_64-linux-gnu/ -lprotobuf \-L/usr/lib/x86_64-linux-gnu/ -lglog \-L/usr/local/cuda/lib64/ -lcudart -lcublas -lcurand \-L/usr/local/lib/ -lm -lpthread -lavutil -lavformat -lavcodec -lswscale -lopencv_core -lopencv_imgproc -lopencv_highgui \-L/usr/lib/python2.7/config-x86_64-linux-gnu/ -lpython2.7 \-L/sur/lib32/ -lrt \-L../../caffe/build/lib/ -lcaffeall:$(CC) $(INCLUDE) $(OBJS) testcpp.cpp -o exercise $(LIBRARY)

windows下的caffe環(huán)境搭建

最近在ubuntu搞了一個(gè)月的caffe，總感覺(jué)很不爽，因?yàn)閡buntn下面的c++集成開(kāi)發(fā)工具，eclipse用起來(lái)沒(méi)有vs爽，因?yàn)閷?duì)caffe的函數(shù)名不是很熟悉，所以需要借助vs的c++助手。然后前一個(gè)月大部分也是調(diào)用pycaffe，但是最近感覺(jué)需要對(duì)caffe的c++函數(shù)比較熟悉，才能把自己的能力進(jìn)一步提高，于是就開(kāi)始搞起了windows 下的caffe，借助vs的強(qiáng)大功能，快速學(xué)習(xí)caffe。一開(kāi)始采用vs2012，最后各種錯(cuò)誤，最后改成vs2013很容易就編譯成功了。

一、安裝編譯環(huán)境

1、 ? ?Visual studio2013

? ? ? ?這個(gè)比較簡(jiǎn)單，不寫步驟了。

2、python 2.7.6

? ? ? ?為了能使用python調(diào)用Caffe，首先需要安裝python，這個(gè)也簡(jiǎn)單，問(wèn)度娘很多。注意兩點(diǎn)：

①安裝的時(shí)候記得勾選pip，這個(gè)工具很nice，可以為你省很多不必要的麻煩；

②安裝完后設(shè)置好環(huán)境變量。可以再cmd命令中輸入python檢查，如果不報(bào)錯(cuò)，則恭喜。

? ? ? ?接下來(lái)利用pip工具安裝這幾個(gè)包：numpy、scipy、matplotlib、scikit-image、protobuf

在cmd命令行內(nèi)輸入：pip install numpy即可，其他幾個(gè)類似。

3、matalb

? ? ? ? 這個(gè)安裝過(guò)程比較慢，也沒(méi)什么需要注意的，這里直接略去。

二、安裝caffe

1、caffe源碼包

下載地址：https://github.com/Microsoft/caffe

2、編譯配置

? ? ? 將下載的caffe-windows.zip進(jìn)行解壓，并進(jìn)入其根目錄下的windows目錄，把這個(gè)CommonSettings.props.example文件復(fù)制到源目錄一份，然后重命名為CommonSettings.props。打開(kāi)并修改其中的配置項(xiàng)。有幾個(gè)需要注意的地方：

①是否只是用cpu。如果你的電腦顯卡支持GPU編程(是否支持可以去英偉達(dá)官網(wǎng)查詢)，那么可以配置為false。否則CpuOnlyBuild = true

②是否使用cudnn加速?

③是否使用python和matalb，根據(jù)需要配置

④如果配置了python和matlab，這里需要把修改軟件目錄為自己電腦上的實(shí)際安裝目錄

⑤如果有cuda，則把CudaVersion修改為自己電腦的cuda版本

3、項(xiàng)目編譯

? ? ? ? 用Visual studio2013打開(kāi)caffe-master\windows下的Caffe.sln文件，進(jìn)去后如下圖（共16個(gè)項(xiàng)目）：

（1）先生成【libcaffe】，右鍵生成；這里由于別的模塊用到了libcaffe，所以，首先生成libcaffe

（2）再選擇【解決方案Caffe】進(jìn)行生成，這里時(shí)間比較久，因?yàn)镹uget會(huì)提示下載一些東西，包括boost,opencv2.4.10,gflags,glog,hdf5,lmdb,LevelDB,OpenBLAS,protobuf等預(yù)編譯的依賴包。過(guò)程有點(diǎn)慢，多等會(huì)就ok。下載完成后會(huì)在caffe 的同級(jí)目錄生成NugetPackages的文件。

? ? 如果中途編譯失敗，出現(xiàn)錯(cuò)誤，不用緊張，雙擊出現(xiàn)如下對(duì)話框，確定然后保存，重新編譯即可。

4、運(yùn)行

? ? ? ? 右

同時(shí)在Build\x64\下生成了很多exe和dll文件。這些工具在后面訓(xùn)練網(wǎng)絡(luò)、測(cè)試時(shí)候很有用。

三、體驗(yàn)深度學(xué)習(xí)

? ? ?終于到這了，我們通過(guò)一個(gè)caffe自帶的簡(jiǎn)單例子來(lái)體驗(yàn)一下caffe的網(wǎng)絡(luò)訓(xùn)練和預(yù)測(cè)。 ?

? ? ?deep-learning屬于有監(jiān)督學(xué)習(xí)的一種，一般步驟分為：準(zhǔn)備數(shù)據(jù)、訓(xùn)練模型和測(cè)試模型。我們下邊也通過(guò)這三步來(lái)測(cè)試一個(gè)基于LeNet網(wǎng)絡(luò)的學(xué)習(xí)模型。

1、準(zhǔn)備訓(xùn)練數(shù)據(jù)

mnist數(shù)據(jù)集下載地址：http://yann.lecun.com/exdb/mnist/

下載后解壓到caffe-master目錄中的\data\mnist內(nèi)。分別在cmd下輸入以下命令

.\Build\x64\Release\convert_mnist_data.exe?.\data\mnist\mnist_train_lmdb\train-images.idx3-ubyte?.\data\mnist\mnist_train_lmdb\train-labels.idx1-ubyte?.\examples\mnist\mnist_train_lmdb

.\Build\x64\Release\convert_mnist_data.exe?.\data\mnist\mnist_test_lmdb\t10k-images.idx3-ubyte???.\data\mnist\mnist_test_lmdb\t10k-labels.idx1-ubyte?.\examples\mnist\mnist_test_lmdb

將數(shù)據(jù)轉(zhuǎn)化為caffe需要的輸入格式。

2、訓(xùn)練模型

①修改模型參數(shù)

修改examples\mnist\lenet_solver.prototxt，將最后一行改為solver_mode:CPU，

修改examples\mnist\lenet_train_test.prototxt，如下所示，左面為原始的，右面為修改后的。

②訓(xùn)練模型，訓(xùn)練完畢后會(huì)得到相應(yīng)的準(zhǔn)確率和損失率。

.\Build\x64\Release\caffe.exe?train?--solver=.\examples\mnist\lenet_solver.prototxt

3、測(cè)試模型

? ? ? 最終訓(xùn)練的模型全職文件保存在example\minst\lenet_iter_10000.caffemodel文件中，訓(xùn)練狀態(tài)保存在example\minst\lenet_iter_10000.solverstate中。這兩個(gè)文件都是PrototxtBuffer二進(jìn)制格式。

? ? ? 利用訓(xùn)練好的模型權(quán)值文件可以測(cè)試數(shù)據(jù)集。運(yùn)行如下命令：

.\Build\x64\Release\caffe.exe test -model examples\mnist\lenet_train_test.prototxt -weights examples\mnist\lenet_iter_10000.caffemodel -iterations 100

到這，整個(gè)caffe在windows上就安裝完成了。下一節(jié)寫Ubuntu下caffe的配置。

謝謝！

博客有任何錯(cuò)誤或者疑問(wèn)，請(qǐng)加VX：1755337994，及時(shí)告知！萬(wàn)分感激！?

總結(jié)

以上是生活随笔為你收集整理的Ubuntu18 Win10搭建Caffe训练识别mnist手写数字demo的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。