caffe初体验——ubuntu下配置caffe
2015-08-04 09:01
405 查看
总算要在自己电脑搭建caffe环境了,一不做二不休,把之前一直想换的ubuntu13.10卸了,装上了ubuntu14.10。
顺便说下要在自己电脑上跑caffe实验,最低配置显存2G,硬盘空间100G,低于这个配置就只能配好后学习下框架,看看代码,跑实验就别想了。比如我的电脑两项配置都只有这标准的一半。
第一步: nVidia驱动和CUDA ToolKit的安装和调试
直接用(*.deb方法)
1. CUDA Repository
获取CUDA安装包,安装包请自行去NVidia官网下载。
$ sudo dpkg -i cuda-repo-ubuntu1410-7-0-local_7.0-28_amd64.deb
$ sudo apt-get update
2. CUDA Toolkit
$ sudo apt-get install -y cuda
3. Environment Variables
$ export CUDA_HOME=/usr/local/cuda-7.0
$ export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
$ PATH=${CUDA_HOME}/bin:${PATH}
$ export PATH
二、安装BLAS
有ATLAS,MKL或者OpenBLAS三种方式。MKL需要到英特尔官网下载,并且要先申请student账号。等我辛辛苦苦验证完邮箱,申请了下载权限,发现下载和安装MKL需要好几G,看到后我果断放弃了。
ATLAS是三者性能中最低的,但是不需要大空间,安装方便:
网上很多版本是2.几的,现在最新的已经出到3.几了,这里介绍一个3.0的安装。并且官方版本的配置比较麻烦,推荐用github上别人修改过的包
1. github上下载安装包
2. 切换到文件保存的文件夹,然后安装依赖项:
sudo sh Ubuntu/dependencies.sh
3. 切换目录Ubuntu\3.0\安装OpenCV 3.0.0rc1:
sudo sh opencv3_0_0-rc1.sh
这里要等比较久。。。
如果出错的话,可以google一下提示错误信息,2.几版本我装了无数次都因为各种原因失败了,但是3.0这个版本安装成功了。
四、安装其他依赖项
1. Google Logging Library(glog),下载地址:https://code.google.com/p/google-glog/,然后解压安装:
$ tar zxvf glog-0.3.3.tar.gz
$ ./configure
$ make
$ sudo make install
2. 其他依赖项
$ sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev
$ sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler
五、安装caffe
1. 安装pycaffe必须的一些依赖项:
$ sudo apt-get install -y python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags Cython
ipython
$ sudo apt-get install -y protobuf-c-compiler protobuf-compiler
2.安装cuDNN
cuDNN能大大降低GPU处理的时间,但是我的显卡工作能力只有2.1,并不能够支持cuDNN,无奈跳过此步。另外官网上申请下载cuDNN也是个麻烦的过程。
3.github上下载caffe包,切换到Caffe-master的文件夹,生成Makefile.config配置文件,执行:
$ cp Makefile.config.example Makefile.config
4. 配置Makefile.config文件(仅列出修改部分)
a. 启用GPU,添加注释"#"
# CPU_ONLY := 1
b. 配置Makefile文件(实现对OpenCV 3.x的支持)
查找“Derive include and lib directories”一节,修改“LIBRARIES +=”的最后一行,增加opencv_imgcodecs
opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs
5. 编译caffe-master!!!"-j4"是使用CPU的多核进行编译,可以极大地加速编译的速度,建议使用。
$ make all -j4
$ make test -j4
$ make runtest -j4
编译Python和Matlab用到的caffe文件
$ make pycaffe -j4
$ make matcaffe -j4
六、测试
至此caffe环境已经搭建完成,进入examples文件夹,里面有许多样例。把mnist和ciar10这两个样例仔细看一遍跑一遍,就能基本了解caffe的使用了。
搭建过程中,遇到任何错误,google一下都是能找到解决方法的。
刚入门caffe的新手,行文粗糙,多多指正。
我的安装过程主要参考
https://ouxinyu.github.io/Blogs/20140723001.html
多谢这位大神。
顺便说下要在自己电脑上跑caffe实验,最低配置显存2G,硬盘空间100G,低于这个配置就只能配好后学习下框架,看看代码,跑实验就别想了。比如我的电脑两项配置都只有这标准的一半。
第一步: nVidia驱动和CUDA ToolKit的安装和调试
直接用(*.deb方法)
1. CUDA Repository
获取CUDA安装包,安装包请自行去NVidia官网下载。
$ sudo dpkg -i cuda-repo-ubuntu1410-7-0-local_7.0-28_amd64.deb
$ sudo apt-get update
2. CUDA Toolkit
$ sudo apt-get install -y cuda
3. Environment Variables
$ export CUDA_HOME=/usr/local/cuda-7.0
$ export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
$ PATH=${CUDA_HOME}/bin:${PATH}
$ export PATH
二、安装BLAS
有ATLAS,MKL或者OpenBLAS三种方式。MKL需要到英特尔官网下载,并且要先申请student账号。等我辛辛苦苦验证完邮箱,申请了下载权限,发现下载和安装MKL需要好几G,看到后我果断放弃了。
ATLAS是三者性能中最低的,但是不需要大空间,安装方便:
sudo apt-get install libatlas-base-dev
三、安装OpenCV
网上很多版本是2.几的,现在最新的已经出到3.几了,这里介绍一个3.0的安装。并且官方版本的配置比较麻烦,推荐用github上别人修改过的包
1. github上下载安装包
2. 切换到文件保存的文件夹,然后安装依赖项:
sudo sh Ubuntu/dependencies.sh
3. 切换目录Ubuntu\3.0\安装OpenCV 3.0.0rc1:
sudo sh opencv3_0_0-rc1.sh
这里要等比较久。。。
如果出错的话,可以google一下提示错误信息,2.几版本我装了无数次都因为各种原因失败了,但是3.0这个版本安装成功了。
四、安装其他依赖项
1. Google Logging Library(glog),下载地址:https://code.google.com/p/google-glog/,然后解压安装:
$ tar zxvf glog-0.3.3.tar.gz
$ ./configure
$ make
$ sudo make install
2. 其他依赖项
$ sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev
$ sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler
五、安装caffe
1. 安装pycaffe必须的一些依赖项:
$ sudo apt-get install -y python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags Cython
ipython
$ sudo apt-get install -y protobuf-c-compiler protobuf-compiler
2.安装cuDNN
cuDNN能大大降低GPU处理的时间,但是我的显卡工作能力只有2.1,并不能够支持cuDNN,无奈跳过此步。另外官网上申请下载cuDNN也是个麻烦的过程。
3.github上下载caffe包,切换到Caffe-master的文件夹,生成Makefile.config配置文件,执行:
$ cp Makefile.config.example Makefile.config
4. 配置Makefile.config文件(仅列出修改部分)
a. 启用GPU,添加注释"#"
# CPU_ONLY := 1
b. 配置Makefile文件(实现对OpenCV 3.x的支持)
查找“Derive include and lib directories”一节,修改“LIBRARIES +=”的最后一行,增加opencv_imgcodecs
opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs
5. 编译caffe-master!!!"-j4"是使用CPU的多核进行编译,可以极大地加速编译的速度,建议使用。
$ make all -j4
$ make test -j4
$ make runtest -j4
编译Python和Matlab用到的caffe文件
$ make pycaffe -j4
$ make matcaffe -j4
六、测试
至此caffe环境已经搭建完成,进入examples文件夹,里面有许多样例。把mnist和ciar10这两个样例仔细看一遍跑一遍,就能基本了解caffe的使用了。
搭建过程中,遇到任何错误,google一下都是能找到解决方法的。
刚入门caffe的新手,行文粗糙,多多指正。
我的安装过程主要参考
https://ouxinyu.github.io/Blogs/20140723001.html
多谢这位大神。
相关文章推荐
- js中的 substring和substr方法
- JavaScript权威指南_147_第15章_脚本化文档_15.10-其他文档特性-document.write()
- html刷新和定时跳转页面
- 如何在 Fedora 22 上配置 Proftpd 服务器
- CSS border三角、圆角图形生成技术简介
- file_operation(文件操作)file(文件)inode(节点)
- js之prototype用法(给对象添加通用属性/方法)
- [leetCode] Different Ways to Add Parentheses
- BootStrap媒体对象
- javaScript 页面自动加载事件详解
- BootStrap导航条表单,搜索,固定,下拉式按钮
- JavaScript高级程序设计学习笔记——第一章JavaScript简介
- javascript函数
- 【Java基础】InputStream 、 InputStreamReader和BufferedReader
- 推荐几款基于Bootstrap的响应式后台管理模板
- 实现音乐播放器的代码(html5+css3+jquery)
- 常用的Javascript数据验证插件
- Javascript实现鼠标右键特色菜单
- 两种JS实现屏蔽鼠标右键的方法
- javascript控制图片播放的实现代码