Deepin 15.4.1 安裝 CPU 版 Caffe
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!