虚拟机Ubuntu14.04+caffe+CPU安装教程
2017-08-30 11:20
751 查看
原文地址:http://www.cnblogs.com/king-lps/p/6575485.html
虚拟机和ubuntu安装比较简单,基本是傻瓜式安装。
安装python接口的caffe:(无GPU)、无cuda(自然更没有cudnn),无opencv(暂不需要)
1.安装必要的环境
2.安装所需要的依赖包
3.安装必要的库
4.下载caffe并配置python
网上的大部分方法是:
我就被坑在这里了,上面的命令用到了pip。所以先装pip,即执行sudo apt-get install python-pip
但是装好pip后,上面安装requirements.txt里的库时,速度很慢,基本都是timeout的错误,网上好多修改配置的教程,但我没有设置成功。。
所以我采取下面的方法,即把requirements.txt里的库拿出来,挨个下载:
上面就算caffe/python所有所需要的库。装好后没有报错即可,可以测试下:终端输入python,然后任意输入import scipy或import Cython都无错。
5.配置并编译caffe
修改Makefile.config.example
上面命令意思:将caffe文件夹里的Makefile.config.example 复制为Makefile.config
然后进入Makefile.config文件夹,改些东西:
下面开始编译caffe:
进入caffe文件夹根目录下,eg:~/caffe$ ,进行如下操作:
这个运行比较久。
6.修改环境路径
将PYTHONPATH写入.bashrc中:
根据每个人不同的路径加以修改,例如我的是 'export PYTHONPATH=$PYTHONPATH:/home/lps/caffe/python'
7.测试
运行MNIST:
1)按照官网先准备数据集:
2)编辑lenet_solver的solver_mode模式从GPU改为CPU:
3)训练模型
虚拟机和ubuntu安装比较简单,基本是傻瓜式安装。
安装python接口的caffe:(无GPU)、无cuda(自然更没有cudnn),无opencv(暂不需要)
1.安装必要的环境
sudo apt-get update #更新软件列表 sudo apt-get upgrade #更新软件 sudo apt-get install build-essentia #安装build essentialsl sudo apt-get install linux-headers-'uname -r' #安装最新版本的kernel headers
2.安装所需要的依赖包
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler sudo apt-get install --no-install-recommends libboost-all-dev sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev sudo apt-get install libatlas-base-dev
3.安装必要的库
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev sudo apt-get install libatlas-base-dev
4.下载caffe并配置python
网上的大部分方法是:
cd ~ git clone https://github.com/BVLC/caffe.git #克隆caffe到本地,并命名为caffe cd caffe cat python/requirements.txt | xargs -L 1 sudo pip install 安装caffe/python/requirements.txt里面所有要求的库
我就被坑在这里了,上面的命令用到了pip。所以先装pip,即执行sudo apt-get install python-pip
但是装好pip后,上面安装requirements.txt里的库时,速度很慢,基本都是timeout的错误,网上好多修改配置的教程,但我没有设置成功。。
所以我采取下面的方法,即把requirements.txt里的库拿出来,挨个下载:
sudo apt-get install python-numpy python-scipy python-matplotlib python-sklearn python-skimage \ python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags Cython ipython
上面就算caffe/python所有所需要的库。装好后没有报错即可,可以测试下:终端输入python,然后任意输入import scipy或import Cython都无错。
5.配置并编译caffe
修改Makefile.config.example
cd caffe cp Makefile.config.example Makefile.config
上面命令意思:将caffe文件夹里的Makefile.config.example 复制为Makefile.config
然后进入Makefile.config文件夹,改些东西:
#去掉CPU_ONLY:=1的注释 #在PYTHON_INCLUDE下把 # /usr/lib/python2.7/dist-packages/numpy/core/include #改为 # /usr/local/lib/python2.7/dist-packages/numpy/core/include
下面开始编译caffe:
进入caffe文件夹根目录下,eg:~/caffe$ ,进行如下操作:
make all make pycaffe make distribute make test
这个运行比较久。
6.修改环境路径
将PYTHONPATH写入.bashrc中:
echo 'export PYTHONPATH =$PYTHONPATH:/home/'username'/caffe/python'>>~/.bashrc source ~/.bashrc
根据每个人不同的路径加以修改,例如我的是 'export PYTHONPATH=$PYTHONPATH:/home/lps/caffe/python'
7.测试
运行MNIST:
1)按照官网先准备数据集:
cd ~/caffe #将终端定位到Caffe根目录 ./data/mnist/get_mnist.sh #下载MNIST数据库并解压缩 ./examples/mnist/create_mnist.sh #将其转换成Lmdb数据库格式
2)编辑lenet_solver的solver_mode模式从GPU改为CPU:
vim ./examples/mnist/lenet_solver.prototxt #改为solver_mode: CPU
3)训练模型
cd $CAFFE_ROOT ./examples/mnist/train_lenet.sh
4)训练结果
相关文章推荐
- 32bit/64bit-Ubuntu14.04+anaconda+CPU版本的Caffe安装教程
- 32bit/64bit-Ubuntu14.04+anaconda+CPU版本的Caffe安装教程
- 虚拟机环境下Ubuntu系统的Caffe安装 CPU-ONLY
- CUDA8.0+Ubuntu14.04+Caffe安装过程之Caffe安装教程
- Ubuntu 14.04 + Caffe + Cuda 7.5 + Opencv 3.0安装教程
- CUDA8.0+Ubuntu14.04+Caffe安装过程之CUDA安装教程
- Caffe(CPU)-Ubuntu16.04下安装教程(未完成)
- Ubuntu14.04 安装Caffe(仅CPU)
- Ubuntu 14.04上Caffe安装:CPU-Only与GPU支持
- 阿里云ubuntu14.04安装Caffe和pycaffe,cpu_only
- Ubuntu 14.04 64bit下Caffe + Cuda6.5/Cuda7.0 安装配置教程
- [视频]mac系统下虚拟机parallels安装ubuntu 14.04视频教程
- Caffe安装教程:Ubuntu16.04(CPU)
- [视频]mac系统下虚拟机parallels安装ubuntu 14.04视频教程
- ubuntu14.04 安装caffe步骤 CPU版本
- Ubuntu14.04 安装Caffe(仅CPU)
- Ubuntu 14.04 caffe 学习系列一,caffe安装only CPU
- Caffe实战系列:最简洁的Caffe安装教程(以ubuntu14.04为例)
- (1)caffe总结之Ubuntu 14.04 + Caffe + Cuda 7.5 + Opencv 3.0安装教程
- 在Ubuntu 14.04上使用anaconda pyenv来安装caffe cpu only