caffe2 安装
2017-11-22 11:47
190 查看
转载:http://blog.csdn.net/yan_joy/article/details/70241319
Caffe2 中基本计算单元之一是 Operators。每个 Operator 包含给定适当数量和类型的输入和参数来计算输出所需的逻辑。Caffe 和 Caffe2 功能的总体差异如下图所示:
![](http://caffe2.ai/static/images/operators-comparison.png)
看到这段话,是不是更觉得像是tensorflow了?之前layer的概念被弱化,数据与操作完全分开,不就是tensorflow里面需要定义的
其次提出的
2
3
4
5
6
7
8
9
10
11
12
13
14
网络的编写也向tf靠拢了(学了点tf还是有点用的)。
最后还要说一点就是对python的支持大大增强了,当然这也是深度学习的趋势。
2
3
4
5
6
7
8
9
10
11
12
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
针对Ubuntu 14.04:
针对Ubuntu 16.04:
2
2
3
这一步在我这边很慢,clone的速度大概只有几十kb,而且中途也出现了错误。如果选择用zip打包下载,就会出现
GPU测试可以执行:
这步安装完成之后,会在
2
3
4
5
具体设置更改对应shell的配置文件,一般来说
在最后加上
2
3
就可以了。
[align=center]
[/align]
Caffe2 中基本计算单元之一是 Operators。每个 Operator 包含给定适当数量和类型的输入和参数来计算输出所需的逻辑。Caffe 和 Caffe2 功能的总体差异如下图所示:
![](http://caffe2.ai/static/images/operators-comparison.png)
看到这段话,是不是更觉得像是tensorflow了?之前layer的概念被弱化,数据与操作完全分开,不就是tensorflow里面需要定义的
tf.matmul和
tf.Variable这类吗?
其次提出的
workspace概念很像是tf中的Session:
# Create the input data data = np.random.rand(16, 100).astype(np.float32) # Create labels for the data as integers [0, 9]. label = (np.random.rand(16) * 10).astype(np.int32) workspace.FeedBlob("data", data) workspace.FeedBlob("label", label) # Create model using a model helper m = cnn.CNNModelHelper(name="my first net") fc_1 = m.FC("data", "fc1", dim_in=100, dim_out=10) pred = m.Sigmoid(fc_1, "pred") [softmax, loss] = m.SoftmaxWithLoss([pred, "label"], ["softmax", "loss"])1
2
3
4
5
6
7
8
9
10
11
12
13
14
网络的编写也向tf靠拢了(学了点tf还是有点用的)。
最后还要说一点就是对python的支持大大增强了,当然这也是深度学习的趋势。
安装
4.18发布的版本号为v0.7.0,官网上的安装教程比较详细,也比较好操作Install。依赖库
sudo apt-get update sudo apt-get install -y --no-install-recommends \ build-essential \ cmake \ git \ libgoogle-glog-dev \ libprotobuf-dev \ protobuf-compiler \ python-dev \ python-pip sudo pip install numpy protobuf1
2
3
4
5
6
7
8
9
10
11
12
GPU支持
这一部分主要是CUDA与cuDNN,在之前的博客中有讲到过。可选库
# for both Ubuntu 14.04 and 16.04 sudo apt-get install -y --no-install-recommends \ libgtest-dev \ libiomp-dev \ libleveldb-dev \ liblmdb-dev \ libopencv-dev \ libopenmpi-dev \ libsnappy-dev \ openmpi-bin \ openmpi-doc \ python-pydot sudo pip install \ flask \ graphviz \ hypothesis \ jupyter \ matplotlib \ pydot python-nvd3 \ pyyaml \ requests \ scikit-image \ scipy \ setuptools \ tornado1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
针对Ubuntu 14.04:
sudo apt-get install -y --no-install-recommends libgflags21
针对Ubuntu 16.04:
sudo apt-get install -y --no-install-recommends libgflags-dev1
2
Clone & Build
git clone --recursive https://github.com/caffe2/caffe2.git && cd caffe2 make && cd build && sudo make install python -c 'from caffe2.python import core' 2>/dev/null && echo "Success" || echo "Failure"1
2
3
这一步在我这边很慢,clone的速度大概只有几十kb,而且中途也出现了错误。如果选择用zip打包下载,就会出现
caffe2/third_party/目录中第三方包缺失的情况,这时还要自己手动下载。
GPU测试可以执行:
python -m caffe2.python.operator_test.relu_op_test1
这步安装完成之后,会在
/usr/local/caffe2、
/home/user/caffe2/build(你的build路径)路径生成caffe2的python文件,在
/usr/local/lib路径生成库文件。
设置环境变量
设置正确的话,执行命令会有#后这样的输出
echo $PYTHONPATH # export PYTHONPATH=/usr/local:$PYTHONPATH # export PYTHONPATH=$PYTHONPATH:/home/ubuntu/caffe2/build echo $LD_LIBRARY_PATH # export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH1
2
3
4
5
具体设置更改对应shell的配置文件,一般来说
cf79 [code]sudo vim /etc/profile1
在最后加上
export PYTHONPATH=/usr/local:$PYTHONPATH export PYTHONPATH=$PYTHONPATH:/home/ubuntu/caffe2/build export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH1
2
3
就可以了。
总结
目前caffe2还不是很成熟,某些文档也还不齐,安装也可以不用很着急,熟悉一下操作就好。mask-rcnn不就应该就会在这上面放出源码,可以稍稍再期待一下。[align=center]
[/align]
相关文章推荐
- CentOS7安装Caffe2
- CentOS7安装Caffe2
- [置顶] 记录我的caffe2 vs2017安装过程
- caffe2安装步骤及遇到的问题
- caffe2 安装
- ubuntu16.04下gpu版caffe2安装
- caffe2 安装教程
- windows7下caffe2成功安装和编译
- Windows10下安装caffe2 支持GPU和CPU
- ubuntu16.04 caffe2的安装
- ubuntu16.04中安装caffe2 和 detectron
- Ubuntu下Ananconda安装Caffe2
- caffe2安装Python依赖项失败
- caffe2 Windows安装和编译
- Caffe2 - (一)Source 安装及问题解决
- Caffe2(1)----Ubantu14.04安装
- ubuntu14.04安装caffe2
- ubuntu14.04+caffe2+OpenCV3.0安装的一些问题
- caffe2 安装
- Caffe2的安装