Caffe和MatConvNet安裝

轉載：http://www.linuxdiyf.com/linux/22847.html

1、Caffe（CPU Only）+Ubuntu14.04

要求：**Ubuntu系統，且必須是14.04版本，其餘版本在配置過程當中，可能會報錯。若是不想出錯，用14.04版本（32位、64位都可，推薦64位）。

我配置時，徹底是參考Caffe官網上的流程，上面的流程十分簡單明瞭，一遍成功。下面是網址：http://caffe.berkeleyvision.org/install_apt.html

 

一、安裝依賴庫

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler

sudo apt-get install --no-install-recommends libboost-all-dev

 

二、BLAS

sudo apt-get install libatlas-base-dev

 

三、依賴庫

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

 

4:（可選，不配置也是能夠跑caffe訓練 的），安裝OpenCV，切記，Ubuntu14.04系統，必定要下載OpenCV2.4.9，不然配置時很容易出錯。

 

五、下載Caffe並編譯。這裏沒有配置Python和Matlab接口，如想配置這兩個藉口，用Python和Matlab調用Caffe，請參考官網。（我的感受在服務器上不必配，Python和Matlab接口，Caffe自己的.cpp和.prototxt代碼寫的十分清晰明瞭)。

首先：

我是在用戶主目錄下執行的下面操做（非root用戶），不要告訴我不會切到用戶的主目錄下面嗷~（命令：cd ~）

git clone https://github.com/BVLC/caffe.git

cd caffe

cp Makefile.config.example Makefile.config

而後：修改Makefile.config文件內容，將「# CPU_ONLY := 1」中的#號去掉，便可，其餘的都不用改。

最後：

make all

（也能夠 make all -j4 開啓4個進程，開啓進程數不要過多，最好看看本身CPU是幾核的）

make test （或 make test -j4

make runtest （或make runtest -j4)

 

六、測試

若是安裝、編譯不出錯，那麼配置成功，跑一個例子看看。

首先進入Caffe目錄

cd ~/caffe

./data/mnist/get_mnist.sh (或 sh data/mnist/get_mnist.sh）

./examples/mnist/create_mnist.sh(或 sh examples/mnist/create_mnist.sh)

vi examples/mnist/lenet_solver.prototxt

%修改裏面的solver_mode爲CPU

./examples/mnist/train_lenet.sh（或 sh /examples/mnist/train_lenet.sh）

盡情的跑吧。

 

2、MatConvNet+Windows+Matlab2014b+VC2013

MatConvNet配置GPU仍是相對簡單的，CPU更加簡單了。這裏仍是CPU版本的，去官網下載最新版。

http://www.vlfeat.org/matconvnet/

或者，用我上傳的這個壓縮包（同樣是在官網下的）

http://download.csdn.net/detail/zxc024000/9589881

首先，請配置Matlab2014b+VS2013編譯環境，使用 mex -setup，設置編譯器爲VS2013

下載後，解壓，我這裏文件夾名叫「matconvnet-master」

打開Matlab2014b，工做目錄切換到該文件夾下，新建 「Compile.m」,內容以下：

addpath matlab

vl_compilenn

運行該文件，便可編譯CPU版的MatConvNet，編譯好後。運行

matconvnet-master\examples\mnist 中的cnn_mnist.m，

該程序會自動從網上下載訓練數據，下載好後，自動進行訓練。訓練後，會獲得一個訓練好的網絡，利用Matlab的save命令，將該結果保存爲.mat文件，之後就能夠用利用MatConvNet提供的函數，調用這個.mat文件，進行分類了。下圖是在訓練中，所有樣本訓練第二次迭代中。

 

一個更簡單的例子，

在該網址上下載，imagenet-vgg-f.mat。

http://www.vlfeat.org/matconvnet/models/

切換到matconvnet-master目錄下，新建demo.m,內容以下：

run matlab/vl_setupnn

net=load('../models/imagenet-vgg-f.mat');%換成模型存儲的位置

im=imread('peppers.jpg');%圖片本身搜，推薦百度一張企鵝圖片，測試一下

im_=single(im);

im_=imresize(im_,net.meta.normalization.imageSize(1:2));

im_=im_-net.meta.normalization.averageImage;

res=vl_simplenn(net,im_);

y=res(end).x;

x=gather(res(end).x);

scores=squeeze(gather(res(end).x));

[bestScore,best]=max(scores);

figure(1);

clf;

imshow(im);

title(sprintf('%s %d,%.3f',...

net.meta.classes.description{best},best,bestScore));

上圖將目標正確 分類，類別爲946，得分爲0.704.

 

Caffe和MatConvNet包含許多知識，最好深刻學習一下，才能更好的使用。