Ubuntu16.04+CPU+caffe-SSD环境配置过程
一、安装Ubuntu16.04(略)
二、安装Caffe-SSD并测试
- 安装前
sudo apt-get update #更新软件列表
sudo apt-get upgrade #更新软件依赖包
sudo apt-get install -y build-essential #编译工具,通常已安装
sudo apt-get install -y cmake
sudo apt-get install -y git
sudo apt-get install -y pkg-config #编译辅助工具,通常已安装
#不安装下列依赖包,后续使用make编译时找不到gflags和glog
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev - 安装前置依赖包
Ubuntu前置依赖包安装
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
sudo apt-get install libatlas-base-dev #BLAS安装ATLAS库,线性代数库
sudo apt-get install python-dev - 使用Nvida GPU,安装CUDA
虚拟机无法使用GPU
暂不安装CUDA和cuDNN
暂不安装opencv - 下载并配置caffe
下载caffe:
git clone https://github.com/weiliu89/caffe.git
cd caffe
git checkout ssd(出现“分支”则说明copy-check成功)
** 配置python:**
安装pip
sudo apt-get install python-pip
pip -V #查看版本,python2.7
安装python必要库
cd caffe
cat python/requirements.txt | xargs -L 1 sudo pip install
添加软链
sudo ln -s /usr/include/python2.7/ /usr/local/include/python2.7
sudo ln -s /usr/local/lib/python2.7/dist-packages/numpy/core/include/numpy/ /usr/local/include/python2.7/numpy
配置文件Makefile.config
进入caffe目录
cp Makefile.config.example Makefile.config
vim Makefile.config
#去掉CPU_ONLY:=1的注释
#在PYTHON_INCLUDE下(这里看仔细)
把#/usr/lib/python2.7/dist-packages/numpy/core/include
改为
#/usr/local/lib/python2.7/dist-packages/numpy/core/include
编译caffe
直接编译caffe,提示没有hdf5.h,在Makefile.config 94行修改如下:
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
改为
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial
因为ubuntu16.04的文件包含位置发生了变化,尤其是需要用到的hdf5的位置,所以需要更改这一路径,参考。然后继续编译caffe:
make all
make test
make runtest
make pycaffe
通过python中import caffe不报错检验:
python
import caffe
##如果出现没有caffe模块,则
配置python caffe 环境
vim /etc/profile
在最后一行添加
export PYTHONPATH=/home/…/caffe/python:$PYTHONPATH(省略号更改成你自己的路径)
然后更新下环境
source /etc/profile
5. 运行MNIST
按照官网示例运行,首先准备数据集:
cd ~/caffe #将终端定位到Caffe根目录
./data/mnist/get_mnist.sh #下载MNIST数据库并解压缩
./examples/mnist/create_mnist.sh #将其转换成Lmdb数据库格式
编辑lenet_solver的solver_mode模式从GPU改为CPU:
vim ./examples/mnist/lenet_solver.prototxt
#改为solver_mode: CPU
训练模型:
cd $CAFFE_ROOT
./examples/mnist/train_lenet.sh
训练结果: