百度網盤已棄用。隨書資源已經放在碼雲和 github，方便國內外朋友下載。

碼雲：https://gitee.com/yongkezhao/PracticeCaffeIn21Days

github：https://github.com/zhaoyongke/Caffe21Days

----------------------------------------------------------

不少讀者在準備 Caffe 環境時耗費太多時間，本文希望能大大加速這部分程序。

考慮讀者的本地環境各異，很難統一用一套流程，為此製作了標準 Docker 映象，包含了 Caffe 和必備的依賴包，開箱即用。

1. 快速搭建 Day 4 環境：

從官方拉取 docker image
$ docker pull zhaoyongke/bookenv:caffe_cpu_only

如果速度很慢，推薦阿里雲 Docker Hub：
$ docker pull registry.cn-hangzhou.aliyuncs.com/master_caffe_in_21days/caffe:cpu_only

建立一個 docker 例項：

$ docker run -ti registry.cn-hangzhou.aliyuncs.com/master_caffe_in_21days/caffe:cpu_only

建立成功後，依次執行如下命令來執行 MNIST 例程。

切到 Caffe 目錄。該原始碼克隆於 master 分支（20161112）。

$ cd root/caffe/
$ ./build/tools/caffe.bin
$ vi examples/mnist/lenet_solver.prototxt

將 solver_mode: GPU 改為 CPU

安裝 wget，便於執行獲取資料指令碼
$ apt-get install wget

獲取 MNIST 資料集
$ ./data/mnist/get_mnist.sh

用 MNIST 資料集建立 LMDB 資料庫
$ ./examples/mnist/create_mnist.sh

執行訓練
$ ./examples/mnist/train_lenet.sh
 

2. 快速搭建 Day 15 環境：

Docker 官方 Hub：
$ docker pull zhaoyongke/bookenv:caffe_gpu_driver367.57

阿里雲 Docker Hub：
$ docker pull registry.cn-hangzhou.aliyuncs.com/master_caffe_in_21days/caffe:gpu_driver367.57

編寫 Shell 指令碼內容如下，儲存為 start_docker_with_gpu_cuda.sh

#!/bin/bash
docker run -ti \
	--device /dev/nvidia0:/dev/nvidia0 \
	--device /dev/nvidiactl:/dev/nvidiactl \
	--device /dev/nvidia-uvm:/dev/nvidia-uvm \
	-v /usr/local/cuda:/usr/local/cuda \
	$1 \
	/bin/bash

$ ./start_docker_with_gpu_cuda.sh 6ce

$ ./start_docker_with_gpu_cuda.sh registry.cn-hangzhou.aliyuncs.com/master_caffe_in_21days/caffe:gpu_driver367.57

看到不如 image id 簡潔。

GPU 環境比較特殊，需要做額外的工作才能保證可用。

首先是驅動版本，如果你宿主機的 GPU 驅動版本與 docker 例項中版本不一致，會報錯：

解決方法：

將宿主機的驅動安裝包（NVIDIA-Linux-x86_64-xxx.xx.run）拷貝到 /usr/local/cuda/ 下面（因為我們做了宿主機和 docker 檔案共享，通過該目錄可以互相傳遞檔案），然後在 docker 例項中 cd 到 /usr/local/cuda/ 可以看到驅動安裝包。

執行如下命令：

$ ./NVIDIA-Linux-x86_64-xxx.xx.run -s -N --no-kernel-module

其次是 CUDA 版本。docker 映象裡預設編譯好的 Caffe 依賴 CUDA 8.0，如果你宿主機上 CUDA 版本不同，需要重新編譯 Caffe。