最近準備從 Caffe 入手，學習下深度學習的基本知識，於是便在膝上型電腦上的 Deepin 系統中進行了一些實踐，其中參考了網上不少資料，特此記錄下來。

系統配置：

顯示卡： Intel 整合顯示卡

作業系統： Deepin 15.4.1 x64

安裝步驟：

一、安裝 OpenCV 3.3.0

（1）安裝 OpenCV 所需要的庫，在終端依次執行以下命令：

sudo apt-get update
sudo apt-get install build-essential
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo
 
 apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

（2）官網下載 OpenCV 3.3.0 的原始碼（下載地址：https://opencv.org/releases.html）並解壓到 opencv3.3.0 目錄，然後進入到 opencv3.3.0 的目錄，執行：

mkdir build
cd build

（3）配置 OpenCV 工程檔案

cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
 

（4）編譯安裝

sudo make install

這個過程會有點久，完成之後 OpenCV3.3.0 就安裝成功了。

二、安裝 Caffe

（1）安裝 Caffe 依賴庫

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler  
sudo apt-get install --no-install-recommends libboost-all-dev

（2）安裝 BLAS

sudo apt-get install libatlas-base-dev
 

（3）安裝其餘依賴庫

sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

（4）下載 Caffe 程式碼到主目錄下

sudo apt-get install cmake git 
git clone https://github.com/BVLC/caffe.git

（5）進入 Caffe 目錄，配置 Makefile.config

cd caffe/
cp Makefile.config.example Makefile.config 
gedit Makefile.config

以下內容根據個人實際情況修改：

僅使用 CPU

# CPU_ONLY := 1
改為
CPU_ONLY := 1

使用 OpenCV3

# OPENCV_VERSION := 3
改為
OPENCV_VERSION := 3

使用 Python Layer

# WITH_PYTHON_LAYER := 1
改為
WITH_PYTHON_LAYER := 1

增加依賴的標頭檔案和庫路徑：

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
修改為
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial /usr/liclude /usr/include/leveldb /usr/local/include/gflags /usr/include/google/protobuf
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr /usr/lib/x86_64-linux-gnu/hdf5/serial

儲存並關閉文字。

（5）修改 Makefile 檔案

gedit Makefile

將裡面的

LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
修改為
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial

儲存並關閉文字。

（6）編譯 Caffe

make all
make test
make runtest

命令全部正確執行後，Caffe 即安裝完畢。

三、安裝 Pycaffe（可選）

（1）安裝 pip 並換映象源

sudo apt-get install python-pip
sudo gedit /etc/pip.conf

在開啟的文字檔案中輸入以下內容並儲存。

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

（2）安裝依賴包

pip install -U scikit-image
pip install protobuf

（3）將 Caffe 的 Python 路徑加入環境變數：

gedit ~/.bashrc

在檔案末尾新增一行：

export PYTHONPATH="/home/YOUR-NAME/caffe/python:$PYTHONPATH"

其中，YOUR-NAME 用真實的使用者名稱替代，儲存並關閉文字，然後執行：

sudo ldconfig
make pycaffe

接著關閉當前終端並重新開啟一個以使環境變數生效。

（4）在新的終端輸入 python 以進入 python 命令列模式，然後輸入 import caffe，如果沒有錯誤，則 Pycaffe 安裝成功。

用例測試：

下面以入門級的 MNIST 手寫數字資料集為例做一個測試。

（1）首先進入 Caffe 目錄，開啟檔案 examples/mnist/lenet_solver.prototxt

cd caffe/
gedit examples/mnist/lenet_solver.prototxt

將其中的

solver_mode: GPU
改為
solver_mode: CPU

儲存並關閉文字。

（2）依次輸入以下指令：

# 下載 MNIST 資料集
./data/mnist/get_mnist.sh

# 資料格式轉換
./examples/mnist/create_mnist.sh

# 訓練 LeNet-5 超引數
./examples/mnist/train_lenet.sh

# 對測試集進行預測測試
./build/tools/caffe.bin test -model examples/mnist/lenet_train_test.prototxt \
-weights examples/mnist/lenet_iter_10000.caffemodel -iterations 100

用例測試完成，開始 Caffe 之旅吧！