[轉]caffe+Ubuntu14.0.4 64bit 環境配置說明(無CUDA,caffe在CPU下運行) --for --Amd

   caffe是一個簡潔高效的深度學習框架，具體介紹能夠看這裏，caffe環境配置過程能夠參考這裏，我在搭建環境時蒐集了許多資料，這裏整理了一下，介紹一下caffe在無CUDA的環境下如何配置。

1. 安裝build-essentials

安裝開發所須要的一些基本包

 

sudo apt-get install build-essential

若是出現essential包不可用的狀況，能夠執行下列命令解決：

sudo apt-get update

2. 安裝ATLAS for Ubuntu

執行命令:

 

sudo apt-get install libatlas-base-dev

注：ATLAS, MKL,或OpenBLAS均可以，我這裏選擇安裝ATLAS

3. 安裝OpenCV
這個儘可能不要手動安裝， Github上有人已經寫好了完整的安裝腳本：https://github.com/jayrambhia/Install-OpenCV
下載該腳本，解壓".zip"文件,解壓命令:

 

unzip /home/joe/Install-OpenCV-master.zip

進入Ubuntu/2.4 目錄, 給全部shell腳本加上可執行權限：

 

chmod +x *.sh

而後安裝最新版本 （當前爲2.4.9）：

 

sudo ./opencv2_4_9.sh

4. 安裝其餘依賴項

 

Ubuntu14.04用戶執行

 

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler

使用其它系統的能夠參考官網介紹。

5. 編譯Caffe
完成了上述環境的配置，就能夠編譯Caffe了！
下載caffe安裝包,下載地址:https://github.com/BVLC/caffe
解壓該壓縮包，解壓縮命令:

 

unzip /home/joe/caffe-master.zip

注:若是解壓位置出錯了,可使用如下命令刪除該目錄及全部的子目錄:

sudo rm -rf caffe-master

進入caffe根目錄，首先複製一份Makefile.config，命令：

 

cp Makefile.config.example Makefile.config

而後修改裏面的內容(Makefile.config)，主要須要修改的參數包括：

    CPU_ONLY 是否只使用CPU模式，因爲我沒有NVIDIA的顯卡，就沒有安裝CUDA，所以須要打開這個選項。
其他的一些配置能夠根據須要修改：
    BLAS (使用intel mkl仍是OpenBLAS)
    MATLAB_DIR 若是須要使用MATLAB wrapper的同窗須要指定matlab的安裝路徑, 如個人路徑爲 /usr/local/MATLAB/R2013b (注意該目錄下須要包含bin文件夾，bin文件夾裏應該包含mex二進制程序)

DEBUG 是否使用debug模式，打開此選項則能夠在eclipse或者NSight中debug程序

完成上述設置後，開始編譯：

 

1. make all -j4  

2. make test  

3. make runtest

注意：-j4 是指使用幾個線程來同時編譯，能夠加快速度，j後面的數字能夠根據CPU core的個數來決定，若是CPU是4核的，則參數爲-j4，也能夠不添加這個參數，直接使用「make all」，這樣速度可能會慢一點兒。

6.使用MNIST數據集進行測試

    Caffe默認狀況會安裝在$CAFFE_ROOT，就是解壓到的那個目錄，例如：$ home/username/caffe-master，因此下面的工做，
默認已經切換到了該工做目錄。下面的工做主要是測試Caffe是否工做正常，不作詳細評估。具體設置請參考官網：
http://caffe.berkeleyvision.org/gathered/examples/mnist.html
    (1)數據預處理
    能夠用下載好的數據集，也能夠從新下載，直接下載的具體操做以下：

 

1. $ cd caff-master   (go caff home dir )

2. $ sudo sh data/mnist/get_mnist.sh

       (2)重建LDB文件，就是處理二進制數據集爲Caffe識別的數據集，之後全部的數據，包括jpe文件都要處理成這個格式，執行命令以下：

 

$ sudo sh ./examples/mnist/create_mnist.sh

生成mnist-train-leveldb/ 和 mnist-test-leveldb/文件夾，這裏包含了LDB格式的數據集

注:新版caffe都須要從根目錄上執行，若是使用下列命令執行：

 

1. # cd examples/ mnist 2. # sudo sh ./create_mnist.sh

可能會遇到這個錯誤：./create_mnist.sh: 16: ./create_mnist.sh: build/examples/mnist/convert_mnist_data.bin: not found

 

      (3)訓練mnist
      若是沒有GPU,只有CPU的話,須要先修改examples/mnist目錄下lenet_solver.prototxt文件,將solver_mode:GPU改成 solver_mode:CPU，修改後結果以下所示：

 

1. # solver mode: CPU or GPU  

2. solver_mode: CPU

修改時可使用vi編輯命令，若是是隻讀文件，不能編輯，能夠用sudo命令，好比:

 

sudo vi lenet_solver.prototxt

先進入命令模式，使用a進入編輯模式，修改完以後，使用esc退出編輯模式，進入末行模式，再使用「:wq」保存修改並退出(「:q!」爲退出但不保存修改)
修改完成後，再執行下面的命令進行訓練:

1. $ cd examples/mnist  

2. $ sudo sh ./train_lenet.sh

最終訓練完的模型存儲爲一個二進制的protobuf文件，至此，Caffe安裝的全部步驟完結。

 

 

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

參考資料:

Caffe 實例測試一： MNIST
http://blog.sciencenet.cn/blog-1583812-843207.html

Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置說明
http://www.cnblogs.com/platero/p/3993877.html

CNN之Caffe配置
http://www.cnblogs.com/alfredtofu/p/3577241.html
 
Training LeNet on MNIST with Caffe
http://caffe.berkeleyvision.org/gathered/examples/mnist.html

Caffe+Ubuntu14.04+CUDA6.5新手安裝配置指南
http://www.haodaima.net/art/2823705

caffe安裝指南
http://www.haodaima.net/art/2823705

 

 

 

 參考連接：http://94it.net/a/jingxuanboke/2015/0322/493702.html

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

.