caffe2 安装

                           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：
                   

 

                    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 protobuf

1
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 \
tornado

1
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 libgflags2

1

针对Ubuntu 16.04：

sudo apt-get install -y --no-install-recommends libgflags-dev

1
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_test

1

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_PATH

1
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/profile

1

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_PATH

1
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]