精华内容
下载资源
问答
  • Ubuntu16.04 Caffe 安装步骤记录(超详尽)

    万次阅读 多人点赞 2017-05-19 19:09:11
    历时一周终于在 ubuntu16.04 系统成功安装 caffe 并编译,网上有很多教程,但是某些步骤并没有讲解详尽,导致配置过程总是出现各种各样匪夷所思的问题,尤其对于新手而言更是欲哭无泪,在我饱受折磨后决定把安装步骤...

    历时一周终于在 ubuntu16.04 系统成功安装 caffe 并编译,网上有很多教程,但是某些步骤并没有讲解详尽,导致配置过程总是出现各种各样匪夷所思的问题,尤其对于新手而言更是欲哭无泪,在我饱受折磨后决定把安装步骤记录下来,尽量详尽清楚明白,避免后来小白重蹈覆辙。

    安装硬件: intel i5 + NVIDIA 740 M

    安装流程细分为如下10个步骤,细化步骤粒度更易避免出错:

    1、安装依赖包
    2、禁用 nouveau
    3、配置环境变量
    4、下载 CUDA 8.0
    5、安装 CUDA 8.0
    6、验证 CUDA 8.0 是否安装成功
    7、安装 cudnn
    8、安装 opencv3.1
    9、安装 caffe
    10、安装 pycaffe notebook 接口环境

    第1步 安装依赖包

    安装后续步骤或环境必需的依赖包,依次输入以下命令:

    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 libopenblas-dev liblapack-dev libatlas-base-dev
    
    sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
    
    sudo apt-get install git cmake build-essential
    

    有一定几率安装失败而导致后续步骤出现问题,所以要确保以上依赖包都已安装成功,验证方法就是重新运行安装命令,如验证 git cmake build-essential是否安装成功共则再次运行以下命令:

     sudo apt-get install git cmake build-essential 
    

    界面提示如下则说明已成功安装依赖包,否则继续安装直到安装成功。

    yhao@yhao-X550VB:~$ sudo apt-get install git cmake build-essential
    正在读取软件包列表... 完成
    正在分析软件包的依赖关系树       
    正在读取状态信息... 完成       
    build-essential 已经是最新版 (12.1ubuntu2)。
    cmake 已经是最新版 (3.5.1-1ubuntu3)。
    git 已经是最新版 (1:2.7.4-0ubuntu1.1)。
    下列软件包是自动安装的并且现在不需要了:
      lib32gcc1 libc6-i386
    使用'sudo apt autoremove'来卸载它(它们)。
    升级了 0 个软件包,新安装了 0 个软件包,要卸载 0 个软件包,有 94 个软件包未被升级。
    

    第2步 禁用 nouveau

    安装好依赖包后需要禁用 nouveau,只有在禁用掉 nouveau 后才能顺利安装 NVIDIA 显卡驱动,禁用方法就是在 /etc/modprobe.d/blacklist-nouveau.conf 文件中添加一条禁用命令,首先需要打开该文件,通过以下命令打开:

    sudo gedit /etc/modprobe.d/blacklist-nouveau.conf
    

    打开后发现该文件中没有任何内容,写入:

    blacklist nouveau option nouveau modeset=0 
    

    保存时命令窗口可能会出现以下提示:

    ** (gedit:4243): WARNING **: Set document metadata failed: 不支持设置属性 metadata::gedit-position
    
    

    无视此提示~,保存后关闭文件,注意此时还需执行以下命令使禁用 nouveau 真正生效:

    sudo update-initramfs -u
    

    第3步 配置环境变量

    同样使用 gedit 命令打开配置文件:

    sudo gedit ~/.bashrc
    
    

    打开后在文件最后加入以下两行内容:

    export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
    
    export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH 
    

    保存退出。

    第4步 下载 CUDA 8.0

    进入 https://developer.nvidia.com/cuda-downloads ,依次选择 CUDA 类型然后下载即可。
    这里写图片描述

    第5步 安装 CUDA 8.0

    第四步下载的1.4G的 CUDA中包含有 nvidia 显卡驱动,故此步骤 CUDA 的安装包括了 nvidia 显卡驱动的安装,此时注意你是否已经安装过 nvidia 显卡驱动,若无法保证已安装的 nvidia 显卡驱动一定正确,那就卸载掉之前安装的 nvidia 显卡驱动(卸载方法链接),然后开始安装 CUDA 8.0;若可以保证已安装正确的 nvidia 显卡驱动,则直接开始安装 CUDA 8.0,在安装过程中选择不再安装 nvidia 显卡驱动。

    为了方便开始安装过程的路径查找,把下载的 CUDA 安装文件移动到 HOME 路径下,然后通过 Ctrl + Alt + F1 进入文本模式,输入帐号密码登录,通过 Ctrl + Alt + F7 可返回图形化模式,在文本模式登录后首先关闭桌面服务:

    sudo service lightdm stop
    

    然后通过 Ctrl + Alt + F7 发现已无法成功返回图形化模式,说明桌面服务已成功关闭,注意此步对接下来的 nvidia 驱动安装尤为重要,必需确保桌面服务已关闭。

    Ctrl + Alt + F1 进入文本模式,然后运行 CUDA 安装文件进行安装,之前我们已经把 CUDA 安装文件移动至 HOME,直接通过 sh 命令运行安装文件即可:

    sudo sh cuda_8.0.61_375.26_linux.run --no-opengl-libs
    

    其中 cuda_8.0.61_375.26_linux.run 是我的 CUDA 安装文件名,而你需替换为自己的 CUDA 安装文件名,若此时忘记可直接通过 ls 文件查看文件名,这也是我建议把 CUDA 安装文件移动到 HOME 下的另一个原因。

    执行此命令约1分钟后会出现 0%信息,此时长按回车键让此百分比增长,直到100%,然后按照提示操作即可,先输入 accept ,然后让选择是否安装 nvidia 驱动,这里的选择对应第5步开头,若未安装则输入 “y”,若确保已安装正确驱动则输入“n”。

    剩下的选择则都输入“y”确认安装或确认默认路径安装,开始安装,此时若出现安装失败提示则可能为未关闭桌面服务或在已安装 nvidia 驱动的情况下重复再次安装 nvidia 驱动,安装完成后输入重启命令重启:

    reboot
    

    重启后登录进入系统,配置 CUDA 环境变量,与第3步相同,使用 gedit 命令打开配置文件:

    sudo gedit ~/.bashrc
    

    在该文件最后加入以下两行并保存:

    export PATH=/usr/local/cuda-8.0/bin:$PATH
    
    export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
    

    使该配置生效:

    source ~/.bashrc
    

    第6步 验证 CUDA 8.0 是否安装成功

    分别执行以下命令:

    cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
    
    sudo make
    
    ./deviceQuery
    

    若看到类似以下信息则说明 cuda 已安装成功:

    ./deviceQuery Starting...
    
     CUDA Device Query (Runtime API) version (CUDART static linking)
    
    Detected 1 CUDA Capable device(s)
    
    Device 0: "GeForce GT 740M"
      CUDA Driver Version / Runtime Version          8.0 / 8.0
      CUDA Capability Major/Minor version number:    3.5
      Total amount of global memory:                 2004 MBytes (2100953088 bytes)
      ( 2) Multiprocessors, (192) CUDA Cores/MP:     384 CUDA Cores
      GPU Max Clock rate:                            1032 MHz (1.03 GHz)
      Memory Clock rate:                             800 Mhz
      Memory Bus Width:                              64-bit
      L2 Cache Size:                                 524288 bytes
      Maximum Texture Dimension Size (x,y,z)         1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
      Maximum Layered 1D Texture Size, (num) layers  1D=(16384), 2048 layers
      Maximum Layered 2D Texture Size, (num) layers  2D=(16384, 16384), 2048 layers
      Total amount of constant memory:               65536 bytes
      Total amount of shared memory per block:       49152 bytes
      Total number of registers available per block: 65536
      Warp size:                                     32
      Maximum number of threads per multiprocessor:  2048
      Maximum number of threads per block:           1024
      Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
      Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)
      Maximum memory pitch:                          2147483647 bytes
      Texture alignment:                             512 bytes
      Concurrent copy and kernel execution:          Yes with 1 copy engine(s)
      Run time limit on kernels:                     No
      Integrated GPU sharing Host Memory:            No
      Support host page-locked memory mapping:       Yes
      Alignment requirement for Surfaces:            Yes
      Device has ECC support:                        Disabled
      Device supports Unified Addressing (UVA):      Yes
      Device PCI Domain ID / Bus ID / location ID:   0 / 1 / 0
      Compute Mode:
         < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
    
    deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 8.0, CUDA Runtime Version = 8.0, NumDevs = 1, Device0 = GeForce GT 740M
    Result = PASS
    
    

    第7步 安装 cudnn

    登录官网:https://developer.nvidia.com/rdp/cudnn-download ,下载对应 cuda 版本且 linux 系统的 cudnn 压缩包,注意官网下载 cudnn 需要注册帐号并登录,不想注册的可从我的网盘下载:https://pan.baidu.com/s/1c2xPVzy

    这里写图片描述

    下载完成后解压,得到一个 cudn 文件夹,该文件夹下include 和 lib64 两个文件夹,命令行进入 cudn/include 路径下,然后进行以下操作:

    sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件
    

    然后命令行进入 cudn/lib64 路径下,运行以下命令:

    sudo cp lib* /usr/local/cuda/lib64/ #复制动态链接库
    cd /usr/local/cuda/lib64/sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件
    sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5 #生成软衔接
    sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接
    

    这里需要注意第三行命令,网上有人的第三行命令为:

    sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5 #生成软衔接
    

    起初我执行的也是上条链接 libcudnn.so.5.1.5 的命令,但是后面编译caffe时出错,报错内容为 /usr/bin/ld: 找不到 -lcudnn,所以这里需要先查看一下自己应该链接的是 libcudnn.so.5.1.10 还是 libcudnn.so.5.1.5 ,查看方法为下:

    locate libcudnn.so
    

    我执行完后显示如下:

    yhao@yhao-X550VB:~$ locate libcudnn.so
    /home/yhao/.local/share/Trash/files/libcudnn.so
    /home/yhao/.local/share/Trash/files/libcudnn.so.5
    /home/yhao/.local/share/Trash/files/libcudnn.so.5.1.10
    /home/yhao/.local/share/Trash/files/cuda/lib64/libcudnn.so
    /home/yhao/.local/share/Trash/files/cuda/lib64/libcudnn.so.5
    /home/yhao/.local/share/Trash/files/cuda/lib64/libcudnn.so.5.1.10
    /home/yhao/.local/share/Trash/info/libcudnn.so.5.1.10.trashinfo
    /home/yhao/.local/share/Trash/info/libcudnn.so.5.trashinfo
    /home/yhao/.local/share/Trash/info/libcudnn.so.trashinfo
    /home/yhao/cuda/lib64/libcudnn.so
    /home/yhao/cuda/lib64/libcudnn.so.5
    /home/yhao/cuda/lib64/libcudnn.so.5.1.10
    /usr/local/lib/libcudnn.so
    /usr/local/lib/libcudnn.so.5
    

    可以看到我的文件是 libcudnn.so.5.1.10 ,并没有 libcudnn.so.5.1.5,所以第三行命令我链接的是 libcudnn.so.5.1.10 ,这里第三行链接命令视你的查看结果而定。

    安装完成后可用 nvcc -V 命令验证是否安装成功,若出现以下信息则表示安装成功:

    yhao@yhao-X550VB:~$ nvcc -V
    nvcc: NVIDIA (R) Cuda compiler driver
    Copyright (c) 2005-2016 NVIDIA Corporation
    Built on Tue_Jan_10_13:22:03_CST_2017
    Cuda compilation tools, release 8.0, V8.0.61
    

    第8步 安装 opencv3.1

    进入官网 : http://opencv.org/releases.html , 选择 3.1.0 版本的 source , 下载 opencv-3.1.0.zip
    这里写图片描述

    解压到你要安装的位置,命令行进入已解压的文件夹 opencv-3.1.0 目录下,执行:

    mkdir build # 创建编译的文件目录
    
    cd build
    
    cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
    
    make -j8  #编译
    
    

    在执行 make -j8 命令编译到 92% 时可能会出现以下错误:

    modules/cudalegacy/src/graphcuts.cpp:120:54: error: 
    ‘NppiGraphcutState’ has not been declared
    typedef NppStatus (*init_func_t)(NppiSize oSize, 
    NppiGraphcutState** ppState, Npp8u* pDeviceMem);
    

    这是由于opecv3.1与cuda8.0不兼容导致的。解决办法:

    修改 /opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp 文件内容,如图:
    这里写图片描述

    编译成功后安装:

    sudo make install #安装
    

    安装完成后通过查看 opencv 版本验证是否安装成功:

    pkg-config --modversion opencv  
    

    第9步 安装 caffe

    首先在你要安装的路径下 clone :

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

    进入 caffe ,将 Makefile.config.example 文件复制一份并更名为 Makefile.config ,也可以在 caffe 目录下直接调用以下命令完成复制操作 :

    sudo cp Makefile.config.example Makefile.config
    

    复制一份的原因是编译 caffe 时需要的是 Makefile.config 文件,而Makefile.config.example 只是caffe 给出的配置文件例子,不能用来编译 caffe。

    然后修改 Makefile.config 文件,在 caffe 目录下打开该文件:

    sudo gedit Makefile.config
    

    修改 Makefile.config 文件内容:

    1.应用 cudnn

    将
    #USE_CUDNN := 1
    修改成: 
    USE_CUDNN := 1
    

    2.应用 opencv 版本

    将
    #OPENCV_VERSION := 3 
    修改为: 
    OPENCV_VERSION := 3
    

    3.使用 python 接口

    将
    #WITH_PYTHON_LAYER := 1 
    修改为 
    WITH_PYTHON_LAYER := 1
    

    4.修改 python 路径

    INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
    LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib 
    修改为: 
    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       
    

    这里贴出 我的Makefile.config文件 方便大家参考

    然后修改 caffe 目录下的 Makefile 文件:

    将:
    NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
    替换为:
    NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
    
    将:
    LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
    改为:
    LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial
    

    然后修改 /usr/local/cuda/include/host_config.h 文件 :

    将
    #error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
    改为
    //#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
    

    OK ,可以开始编译了,在 caffe 目录下执行 :

    make all -j8
    

    这是如果之前的配置或安装出错,那么编译就会出现各种各样的问题,所以前面的步骤一定要细心。

    编译成功后可运行测试:

    sudo make runtest -j8
    

    这里写图片描述

    如果显示结果为上图所示,则表示 caffe 已经成功安装。

    10、安装 pycaffe notebook 接口环境

    在上一步成功安装 caffe 之后,就可以通过 caffe 去做训练数据集或者预测各种相关的事了,只不过需要在命令行下通过 caffe 命令进行操作,而这一步 pycaffe 的安装以及 notebook 环境配置只是为了更方便的去使用 caffe ,实际上大多数都是通过 python 来操作 caffe 的,而 notebook 使用浏览器作为界面,可以更方便的编写和执行 python 代码。

    首先编译 pycaffe :

    cd caffe
    
    sudo make pycaffe -j8
    

    以下是我编译 pycaffe 时出现的错误:

    python/caffe/_caffe.cpp:10:31: fatal error: numpy/arrayobject.h: 没有那个文件或目录
    

    解决方法:

    sudo apt-get install python-numpy
    

    此外也可能是由于 Makefile.config 文件中 python 路径设置错误出现的错误,可根据上一步检查一下,也可能出现别的错误,百度谷歌之~

    编译 pycaffe 成功后,验证一下是否可以在 python 中导入 caffe 包,首先进入 python 环境:

    python
    

    然后导入 caffe :

    >>> import caffe
    

    若不报错则表示 caffe 的 python 接口已正确编译,但是应该不会那么顺利,以下是我导入 caffe 时出现的错误:

    错误1:

    File "<stdin>", line 1, in <module>   ImportError: No module named caffe
    

    解决方法:

    sudo echo export PYTHONPATH="~/caffe/python" >> ~/.bashrc
    
    source ~/.bashrc
    

    错误2:

    ImportError: No module named skimage.io
    

    解决方法:

    pip install -U scikit-image #若没有安装pip: sudo apt install python-pip
    

    ok,最后一步,配置notebook环境

    首先要安装python接口依赖库,在caffe根目录的python文件夹下,有一个requirements.txt的清单文件,上面列出了需要的依赖库,按照这个清单安装就可以了。

    在安装scipy库的时候,需要fortran编译器(gfortran),如果没有这个编译器就会报错,因此,我们可以先安装一下。

    首先进入 caffe/python 目录下,执行安装代码:

    sudo apt-get install gfortran
    
    for req in $(cat requirements.txt); do sudo pip install $req; done
    

    安装完成以后执行:

    sudo pip install -r requirements.txt
    

    就会看到,安装成功的,都会显示Requirement already satisfied, 没有安装成功的,会继续安装。

    然后安装 jupyter :

    sudo pip install jupyter
    

    安装完成后运行 notebook :

    jupyter notebook
    
    或
    
    ipython notebook
    

    就会在浏览器中打开notebook, 点击右上角的New-python2, 就可以新建一个网页一样的文件,扩展名为ipynb。在这个网页上,我们就可以像在命令行下面一样运行python代码了。输入代码后,按shift+enter运行,更多的快捷键,可点击上方的help-Keyboard shortcuts查看,或者先按esc退出编辑状态,再按h键查看。

    这里写图片描述

    为心仪公司折腾DL许久然而并无缘~

    加油。

    参考文章:

    http://www.cnblogs.com/denny402/p/5088399.html

    http://blog.csdn.net/sunpeng19960715/article/details/54835148

    展开全文
  • caffe安装

    千次阅读 2016-07-22 20:25:15
    忙活了几天终于把Caffe的环境搭建完成,趁着有空记录下整个过程显卡: Geforce GT630 ...Caffe: 这里下载仿照这个博客安装的:http://www.cnblogs.com/platero/p/3993877.html1-安装基本包apt-get instal

    忙活了几天终于把Caffe的环境搭建完成,我是在64位ubuntu14.04系统下安装的caffe,显卡及cuda版本如下,趁着有空记录下整个过程

    显卡: Geforce GT630
    系统: Ubuntu 1404 64bit
    Cuda: Cuda 6.5 64bit
    Caffe: 这里下载

    仿照这个博客安装的:http://www.cnblogs.com/platero/p/3993877.html

    1-安装基本包

    apt-get install build-essential

    2-安装NVIDIA驱动

    A:进入Ubuntu, 按 ctrl+alt+F1 进入tty, 登录tty后输入如下命令,来关闭lightdm/gdm桌面管理器

      sudo service lightdm/gdm stop   

    补充:如果想查看lightdm命令是否关闭成功可以用以下命令:pstree -p|grep X

    B:输入下列命令添加驱动源

    sudo add-apt-repository ppa:xorg-edgers/ppa
    sudo apt-get update

    安装340版驱动 (CUDA 6.5.14目前最高仅支持340版驱动, 343, 346版驱动暂不支持)

    sudo apt-get install nvidia-340

    安装完成后, 继续安装下列包 (否则在运行sample时会报错)

    sudo apt-get install nvidia-340-uvm

    安装完成后 reboot.
    这一步安装比较顺利

    3-安装Cuda 6.5,没弄懂原文是如何安装的记录我的安装方法

    在安装cuda前先安装以下依赖库

    sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libglu1-mesa-dev

    在上述链接下载cuda6.5后,输入以下命令,安装

    chmod 777 cuda_6.5.14_linux_64.run
    ./cuda_6.5.14_linux_64.run

    补充:由于前面已经安装了显卡驱动,所以安装时驱动显卡不要再安装,其他就安默认一步步走下来

    安装完成后要设置cuda到环境变量

    /*在/etc/profile中添加环境变量, 在文件最后添加:*/
    PATH=/usr/local/cuda-6.5/bin:$PATH
    export PATH
    
    /*再执行如下语句*/
    source /etc/profile
    
    /*用如下语句看是否配置成功*/
    echo $PATH

    再设置cuda库为默认的库查找路径

    /*在 /etc/ld.so.conf.d/加入文件 cuda.conf, 内容如下*/
    /usr/local/cuda-6.5/lib64
    
    /*执行下述语句使生效*/
    sudo ldconfig

    编译cuda sample文件

    cd /usr/local/cuda-6.5/samples
    sudo make

    最后进入/usr/local/cuda-6.5/samples/bin/x86_64/linux/release/目录,输入./deviceQuery,出现类似于如下打印表示安装成功

    ./deviceQuery Starting...
    
     CUDA Device Query (Runtime API) version (CUDART static linking)
    
    Detected 1 CUDA Capable device(s)
    
    Device 0: "GeForce GTX 670"
      CUDA Driver Version / Runtime Version          6.5 / 6.5
      CUDA Capability Major/Minor version number:    3.0
      Total amount of global memory:                 4095 MBytes (4294246400 bytes)
      ( 7) Multiprocessors, (192) CUDA Cores/MP:     1344 CUDA Cores
      GPU Clock rate:                                1098 MHz (1.10 GHz)
      Memory Clock rate:                             3105 Mhz
      Memory Bus Width:                              256-bit
      L2 Cache Size:                                 524288 bytes
      Maximum Texture Dimension Size (x,y,z)         1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
      Maximum Layered 1D Texture Size, (num) layers  1D=(16384), 2048 layers
      Maximum Layered 2D Texture Size, (num) layers  2D=(16384, 16384), 2048 layers
      Total amount of constant memory:               65536 bytes
      Total amount of shared memory per block:       49152 bytes
      Total number of registers available per block: 65536
      Warp size:                                     32
      Maximum number of threads per multiprocessor:  2048
      Maximum number of threads per block:           1024
      Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
      Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)
      Maximum memory pitch:                          2147483647 bytes
      Texture alignment:                             512 bytes
      Concurrent copy and kernel execution:          Yes with 1 copy engine(s)
      Run time limit on kernels:                     Yes
      Integrated GPU sharing Host Memory:            No
      Support host page-locked memory mapping:       Yes
      Alignment requirement for Surfaces:            Yes
      Device has ECC support:                        Disabled
      Device supports Unified Addressing (UVA):      Yes
      Device PCI Bus ID / PCI location ID:           1 / 0
      Compute Mode:
         < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
    
    deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 6.5, CUDA Runtime Version = 6.5, NumDevs = 1, Device0 = GeForce GTX 670
    Result = PASS

    4-安装blas库(基础线性代数子程序库)

    主要是仿照http://blog.sina.com.cn/s/blog_6d09848701018smp.html安装的OpenBlas

    $mkdir openblas  
    $cd openblas   /*保存openblas源文件*/
    $git clone https://github.com/xianyi/OpenBLAS.git  /*速度有点慢,可以用代理试试*/
    $cd OpenBLAS
    $make     /*编译*/
    $sudo make --PREFIX=/usr/local/Openblas/ install  /*安装*/

    执行完上面的命令 后会发看到如下图的安装结果::
    这里写图片描述

    补充:在caffe安装好后,编译时要指定Makefile.config.example中blas的类型与路径,如下,否则编译失败

    # BLAS choice:
    # atlas for ATLAS (default)
    # mkl for MKL
    # open for OpenBlas
    BLAS := open
    # Custom (MKL/ATLAS/OpenBLAS) include and lib directories.
    # Leave commented to accept the defaults for your choice of BLAS
    # (which should work)!
    BLAS_INCLUDE := /usr/local/OpenBlas/include
    BLAS_LIB := /usr/local/OpenBlas/lib

    5-安装Opencv

    我也下载https://github.com/jayrambhia/Install-OpenCV这个.sh文件自动安装的,下载 后解压,进入Install-OpenCV-master/Ubuntu/2.4/目录

    chmod +x *.sh
    ./opencv2.4.10.sh

    补充:这里我安装的是2.4.10版本,安装过程会下载opencv,速度有点慢,可以用其他工具下载后,放到脚本新建的OpenCV目录下,再运行上述脚本,其中在删除libx264-dev时会有个关于依赖项的报错,花了我很多时间才搞定,个人理解是版本不一致问题,还有在装qt5-defaul和时也是同样依赖库版本不一致出错,安装完成后在用pkg-config –modversion opencv命令查询opencv版本并更新Makefile.config.exampleh如下

    补充:因为我的显卡是fermi框架,要在opencv2.4.10.sh中指定,否则会报错,同时要把CUDA_ARCH_BIN, CUDA_ARCH_PTX指定对应的显卡相匹配的值,这两个变量的值具体见上述执行./deviceQuery命令后显示的CUDA Capability Major/Minor version number: 的值。

    # Uncomment if you're using OpenCV 3
    OPENCV_VERSION := 2.4.10

    6-安装其他依赖项

    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

    7-安装python

    首先安装pip和python-dev (系统默认有python环境的, 不过我们需要的是python-dev)

    $ sudo apt-get install python-dev python-pip

    然后执行如下命令安装编译caffe python wrapper 所需要的额外包

    $ pip freeze > requirements.txt
    $ for req in $(cat requirements.txt); do sudo pip install $req; done

    补充:将python的pip类库列表生成 requirements.txt 文件,否则执行第二个命令会报错

    补充:这里我顺利安装了 就没有像原博客那样安装anaconda包,同样在编译caffe的的时候要修改Makefile.config.example文件如下,来指定python目录

    # NOTE: this is required only if you will compile the python interface.
    # We need to be able to find Python.h and numpy/arrayobject.h.
    PYTHON_INCLUDE := /usr/include/python2.7 \
            /usr/lib/python2.7/dist-packages/numpy/core/include

    8-Matlab暂时未安装,后续补上

    9-编译Caffe

    根据上述目录把caffe下载后,进入/caffe-master/目录。备份一份Makefile.config.example

    cp Makefile.config.example Makefile.config

    然后按照上述的补充中说明中提到的修改akefile.config.example。然后执行下述四个命令:

    make all -j4
    make test -j4
    make runtest -j4
    
    make pycaffe

    补充:执行命令前要把Makefile中的CONFIG_FILE := Makefile.config改成Makefile.config.example即配置文件为mm刚才改的这个配置文件 。在runtest时会报一个错::build_release/tools/caffe: error while loading shared libraries: libopenblas.so.0: cannot open shared object file: No such file or directory,解决方法:在/usr/lib/下建立一个 软链接将 libopenblas.so.0指向/openbls安装目录/lib/ libopenblas.so.0

    暂完!!!!!!!

    展开全文
  • Caffe安装

    万次阅读 2017-01-11 17:20:04
    CXX .build_release/src/caffe/proto/caffe.pb.cc AR -o .build_release/lib/libcaffe.a LD -o .build_release/lib/libcaffe.so.1.0.0-rc3 /usr/bin/ld: cannot find -lopencv_imgcodecs collect2: error: l

    报错:
    CXX .build_release/src/caffe/proto/caffe.pb.cc
    AR -o .build_release/lib/libcaffe.a
    LD -o .build_release/lib/libcaffe.so.1.0.0-rc3
    /usr/bin/ld: cannot find -lopencv_imgcodecs
    collect2: error: ld returned 1 exit status
    Makefile:567: recipe for target ‘.build_release/lib/libcaffe.so.1.0.0-rc3’ failed
    make: * [.build_release/lib/libcaffe.so.1.0.0-rc3] Error 1

    195 ifeq ($(USE_OPENCV), 1)
    196         LIBRARIES += opencv_core opencv_highgui opencv_imgproc
    197
    198         ifeq ($(OPENCV_VERSION), 3)
    199                 LIBRARIES += opencv_imgcodecs
    200         endif
    201
    202 endif
    

    这个问题与opencv版本无关,是之前opencv没有安装好。
    安装好opencv后,又报错了。。。。

    CXX/LD -o .build_release/examples/cifar10/convert_cifar_data.bin
    .build_release/lib/libcaffe.so: undefined reference to `cv::_OutputArray::_OutputArray(cv::Mat&)'
    .build_release/lib/libcaffe.so: undefined reference to `cv::_InputArray::_InputArray(cv::Mat const&)'
    .build_release/lib/libcaffe.so: undefined reference to `cv::imencode(std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > const&, cv::_InputArray const&, std::vector<unsigned char, std::allocator<unsigned char> >&, std::vector<int, std::allocator<int> > const&)'
    .build_release/lib/libcaffe.so: undefined reference to `cv::imread(std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > const&, int)'
    .build_release/lib/libcaffe.so: undefined reference to `vtable for cv::_InputArray'
    collect2: error: ld returned 1 exit status
    

    网上有人说这个是因为Makefile里面(注意是Makefile)LIBRARIES变量没有增加OPENCV的库,但是我看了,里面有这个

    194 ifeq ($(USE_OPENCV), 1)
    195         LIBRARIES += opencv_core opencv_highgui opencv_imgproc
    196
    197         ifeq ($(OPENCV_VERSION), 3)
    198                 LIBRARIES += opencv_imgcodecs
    199         endif
    200
    201 endif
    

    难道说在Makefile.config里面USE_OPENCV没有等于1?我也不知道了。有个很坑的方法,正在尝试,就是在Makefile里面的LIBRARIES后面加上opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs,然后sudo make clean,在sudo make all -j32,这又得好几个小时。。。
    再次make all -j32通过,看来真的是这几个库的问题。

    不过在make runtest -j32又报错了,这次是cuda的错误,真要一个一个遇到个遍哦

    [----------] 6 tests from GPUMathFunctionsTest/1, where TypeParam = double
    [ RUN      ] GPUMathFunctionsTest/1.TestAsum
    F0108 22:04:55.754822 17813 syncedmem.hpp:18] Check failed: error == cudaSuccess (38 vs. 0)  no CUDA-capable device is detected
    *** Check failure stack trace: ***
        @     0x7f4e7fe105cd  google::LogMessage::Fail()
        @     0x7f4e7fe12433  google::LogMessage::SendToLog()
        @     0x7f4e7fe1015b  google::LogMessage::Flush()
        @     0x7f4e7fe12e1e  google::LogMessageFatal::~LogMessageFatal()
        @     0x7f4e7b85f611  caffe::SyncedMemory::mutable_cpu_data()
        @     0x7f4e7b86f8b1  caffe::Blob<>::Reshape()
        @     0x7f4e7b86fd5a  caffe::Blob<>::Reshape()
        @           0x8e2635  caffe::MathFunctionsTest<>::SetUp()
        @           0x91c0f3  testing::internal::HandleExceptionsInMethodIfSupported<>()
        @           0x9156a6  testing::Test::Run()
        @           0x915858  testing::TestInfo::Run()
        @           0x915935  testing::TestCase::Run()
        @           0x916c0f  testing::internal::UnitTestImpl::RunAllTests()
        @           0x916f33  testing::UnitTest::Run()
        @           0x46df4d  main
        @     0x7f4e7aa1c830  __libc_start_main
        @           0x4759d9  _start
        @              (nil)  (unknown)
    Makefile:527: recipe for target 'runtest' failed
    make: *** [runtest] Aborted (core dumped)
    

    解决:这个应该是系统从14.04升级到16.04导致的,显卡驱动需要重新安装。但是安装过程中出错,原版本自动升级了(好像),与安装包的版本号对不上:用原来的安装包,失败;官网下的最新安装包,失败;官网下了一个中间版本,成功。

    然后make runtest -j32一直成功,直到报错如下:

    [----------] Global test environment tear-down
    [==========] 2085 tests from 277 test cases ran. (1948116 ms total)
    [  PASSED  ] 2083 tests.
    [  FAILED  ] 2 tests, listed below:
    [  FAILED  ] NesterovSolverTest/2.TestNesterovLeastSquaresUpdateWithEverything, where TypeParam = caffe::GPUDevice<float>
    [  FAILED  ] NesterovSolverTest/2.TestNesterovLeastSquaresUpdateWithEverythingShare, where TypeParam = caffe::GPUDevice<float>
    
     2 FAILED TESTS
    Makefile:527: recipe for target 'runtest' failed
    make: *** [runtest] Error 1

    解决:这个网上说是sunpf@gpu-X9DRG-O-T-F:/caffe$ export MKL_CBWR=AUTO就可以解决,然后可以正确解决,但是我用的Altas,肯定不是这个问题。最后google到,先

    export CUDA_VISIBLE_DEVICES=0 #

    然后问题仍然没有解决。网上说法:引起这个问题的原因是最新版Caffe支持多个显卡,因此在runtest过程中如果检测到机器是多卡,就会报错。最后这个问题没有解决。直接makepycaffe -j32,然后import caffe成功,mnist的例程可以正常运行。

    最后:终于安装成功。Mark!

    展开全文
  • caffe 安装

    千次阅读 2018-01-20 18:53:21
    1 sudo 安装caffe sudo apt-get install git sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler sudo apt-get install --no-...

    #1 sudo 安装caffe

    sudo apt-get install git
    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
    sudo apt-get install python-dev
    sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
    
    git clone https://github.com/bvlc/caffe.git
    

    problem: can’t find hdf5

    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/hdf5/serial
    
    

    2、安装caffe,没有root权限,Ubuntu

    Ubuntu
    https://github.com/yosinski/caffe/blob/jason_public/doc/linux-no-root-install-log.md
    protobuf 2.50
    安装包https://github.com/google/protobuf/releases?after=v2.6.1
    //snappy
    http://pkgs.fedoraproject.org/repo/pkgs/snappy/
    Install leveldb

    git clone https://github.com/google/leveldb.git
    [~/temp/leveldb-1.15.0] $ make
    cd /home/gaomingda/caffe_dev/leveldb/out-shared/
    $ cp -av libleveldb.* $HOME/local/lib/
    cd /home/gaomingda/caffe_dev/leveldb/out-static/
    $ cp -av libleveldb.* $HOME/local/lib/
    [~/temp/leveldb-1.15.0] $ cp -av include/leveldb $HOME/local/include/
    

    install hdf5
    https://support.hdfgroup.org/ftp/HDF5/releases/hdf5-1.8/hdf5-1.8.14/src/

    Install OpenBlas

    $ cd ~/temp/
    $ git clone git://github.com/xianyi/OpenBLAS
    $ cd OpenBlas
    $ make FC=gfortran
    #显示没有安装gfortran 
    $ make PREFIX=$HOME/local install
    #安装gfortran,no-root
    https://www.scivision.co/install-linuxbrew/
    
    

    安装OpenCV3
    conda install -c menpo opencv3=3.2.0
    取消注释caffe/Makefile.config中
    OPENCV_VERSION := 3
    然后终端

    export LD_LIBRARY_PATH=/home/hossein/anaconda2/lib:$LD_LIBRARY_PATH
    

    或者
    Instead of globally modifying LD_LIBRARY_PATH, we can add the following line to the Makefile.config (for example after the lines that define ANACONDA_HOME and PYTHON_INCLUDE [lines 76-79 I believe]):

    LDFLAGS += -Wl,-rpath,$(ANACONDA_HOME)/lib
    This will basically tell the Caffe library at runtime where to look for libraries

    ImportError: No module named caffe.proto
    可能原因:这种情况一般是没有把caffe中的和python相关的内容的路径添加到python的编译路径中。
    解决办法:执行命令

    export PYTHONPATH=$CAFFE_ROOT/python:$PYTHONPATH  
    

    #在.100机子无权限编译

    In file included from .build_release/src/caffe/proto/caffe.pb.cc:4:0:
    .build_release/src/caffe/proto/caffe.pb.h:12:2: error: #error This file was generated by a newer version of protoc which is
     #error This file was generated by a newer version of protoc which is
      ^
    .build_release/src/caffe/proto/caffe.pb.h:13:2: error: #error incompatible with your Protocol Buffer headers. Please update
     #error incompatible with your Protocol Buffer headers.  Please update
      ^
    .build_release/src/caffe/proto/caffe.pb.h:14:2: error: #error your headers.
     #error your headers.
    

    anaconda和local安装 的protobuf冲突

    #查看版本
    which protoc
    protoc --version
    #尝试卸载anaconda的

    conda uninstall protobuf
    

    #不好使
    #conda安装protobuf-2.5
    conda install -c stephentu protobuf
    **install protobuf 2.6.1
    conda install -c anaconda protobuf=2.6.1
    指定版本
    conda install -y --channel https://conda.anaconda.org/conda-forge
    gflags
    glog
    numpy
    protobuf=3.2.0
    发现不是anaconda的问题,而是HOME/local必须安装protobuf-2.50 卸载,先进入安装包,然后make uninstall

    sudo权限安装的https://www.howtoinstall.co/en/ubuntu/trusty/protobuf-compiler?action=remove

    2、

    /home/gaomingda/anaconda2/lib/libopencv_imgcodecs.so: undefined reference to `jpeg_stdio_dest@LIBJPEG_9.0'
    collect2: error: ld returned 1 exit status
    Makefile:619: recipe for target '.build_release/tools/upgrade_net_proto_binary.bin' failed
    

    参考http://write.blog.csdn.net/mdeditor#!postId=78480844 OpenCV3的安装

    3、 在python中导入caffe时

    from ._caffe import Net, SGDSolver, NesterovSolver, AdaGradSolver, \
    ImportError: libglog.so.0: cannot open shared object file: No such file or directory
    

    解决方案,将 加入

    LD_LIBRARY_PATH=/home/gaomingda/local/lib:$LD_LIBRARY_PATH
    

    #在服务器matplotlib不能显示,报错
    参考https://www.cnblogs.com/xuanxufeng/p/6240659.html

    #二、windows

    #三、caffe2 ubuntu16.04 anaconda2 安装
    其中 Anaconda is installed in ~/anaconda2

    # Create a conda environment (optional)
    conda create -n my_caffe2_env python=2.7 && source activate my_caffe2_env
    
    # Install required packages
    # mkl isn't actually required, but is really recommended for Anaconda
    conda install -y \
        future \
        gflags \
        glog \
        lmdb \
        mkl \
        mkl-include \
        numpy \
        opencv \
        protobuf \
        snappy \
        six
    
    # Clone Caffe2
    cd ~ && git clone --recursive https://github.com/caffe2/caffe2.git && cd caffe2
    
    # Make Caffe2 in a separate folder to avoid polluting the Caffe2 source tree.
    # This can be anywhere you want it
    mkdir build && cd build
    
    # Add flags to this command to control which packages you want to use. The
    # options to use are at the top of CMakeLists.txt in the topmost Caffe2
    # directory
    # use cuda,管理员已经装好驱动
    cmake -DUSE_CUDA=ON -DUSE_LEVELDB=OFF -DCMAKE_PREFIX_PATH=~/anaconda2/envs/my_caffe2_env -DCMAKE_INSTALL_PREFIX=~/anaconda2/envs/my_caffe2_env -DCMAKE_CXX_FLAGS=-D__GLIBCXX_USE_CXX11_ABI=0 ..
    make install
    

    环境变量

    export PYTHONPATH=/home/gaomingda/anaconda2/envs/my_caffe2_env:$PYTHONPATH
    export PYTHONPATH=$PYTHONPATH:/home/gaomingda/caffe2/build
    export LD_LIBRARY_PATH=/home/gaomingda/anaconda2/envs/my_caffe2_env/lib:$LD_LIBRARY_PATH
    
    export PYTHONPATH=/home/gaomingda/local:$PATHONPATH
    export PYTHONPATH=$PATHONPATH:/home/gaomingda/caffe2/build
    export LD_LIBRARY_PATH=/home/gaomingda/local/lib:$LD_LIBRARY_PATH
    
    export PYTHONPATH=/home/gaomingda1/anaconda2/envs/my_caffe2_env:$PYTHONPATH
    export PYTHONPATH=$PYTHONPATH:/home/gaomingda1/pytorch/build
    export LD_LIBRARY_PATH=/home/gaomingda1/anaconda2/envs/my_caffe2_env/lib:$LD_LIBRARY_PATH
    

    本地

    export PYTHONPATH=/usr/local:$PATHONPATH
    export PYTHONPATH=$PATHONPATH:/home/gaomingda/pytorch/build
    export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH
    

    jupyter notebook 映射到本地

    ssh -L localhost:8000:localhost:8888 gaomingda@202.195.239.99
    

    其中8000为本地端口, 在本地浏览器中搜索 localhost:8000, 输入终端的密码

    #六、Ubuntu wget 正在连接 失败:拒绝连接
    http://blog.csdn.net/asiawong/article/details/78558120
    #七 、卸载nvidia驱动
    sudo apt-get remove --purge nvidia*
    或者 sudo /usr/bin/nvidia-uninstall
    安装nvidia
    参考https://blog.csdn.net/full_speed_turbo/article/details/76339296

    sudo add-apt-repository ppa:graphics-drivers/ppa
    sudo apt-get update
    sudo apt-get install nvidia-375 # 根据提示安装相应的版本
    sudo apt-get install mesa-common-dev
    sudo apt-get install freeglut3-dev```
    
    出现问题
    

    ##########问题
    sudo ldconfig
    /sbin/ldconfig.real: /usr/lib/nvidia-384/libEGL.so.1 is not a symbolic link

    /sbin/ldconfig.real: /usr/lib32/nvidia-384/libEGL.so.1 is not a symbolic link
    ##########解决
    sudo mv /usr/lib/nvidia-384/libEGL.so.1 /usr/lib/nvidia-384/libEGL.so.1.org
    sudo mv /usr/lib32/nvidia-384/libEGL.so.1 /usr/lib32/nvidia-384/libEGL.so.1.org
    sudo ln -s /usr/lib/nvidia-384/libEGL.so.384.111 /usr/lib/nvidia-384/libEGL.so.1
    sudo ln -s /usr/lib32/nvidia-384/libEGL.so.384.11 /usr/lib32/nvidia-384/libEGL.so.1

    **3、安装cuda**
    
    **4、安装cudnn-8.0-linux-x64-v5.1.tgz**
    
    先解压,解压后为cuda文件夹
    
    

    cd cuda
    sudo cp include/cudnn.h /usr/local/cuda/include/
    sudo cp lib64/* /usr/local/cuda/lib64/
    cd /usr/local/cuda/lib64/
    sudo rm -rf libcudnn.so libcudnn.so.5
    sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5 #生成软衔接
    sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接
    sudo ldconfig

    **无权限安装nccl2**
    git clone https://github.com/NVIDIA/nccl.git
    cd nccl
    make -j32 src.build CUDA_HOME=/home/gaomingda/local/cuda-9.0 NVCC_GENCODE="-gencode=arch=compute_70,code=sm_70"
    make -j32 install CUDA_HOME=/home/gaomingda/local/cuda-9.0 prefix=<path to install> # /$HOME/local
    #添加环境路径
    export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/XXX/local/lib/
    
    **tensorflow**
    cuda8.0 cudnn6.0 pip3 install tensorflow-gpu==1.4
    
    展开全文
  • 发现一篇蛮详细的caffe安装步骤: 转载 自:http://blog.csdn.net/haoji007/article/details/52081273 说明 网上关于caffe的安装教程非常多,但是关于每一步是否操作成功,出现了什么样的错误又该如何...
  • 这段时间一直在弄这个caffe安装,在网上找了很多的资料,自己在电脑上ubuntu16.04.3系统上安装caffe进行实验 安装步骤内容: 1. Caffe安装 2. Matlab2014a安装 Caffe安装 安装依赖 安装通用依赖 ...
  • caffe安装系列——安装caffe

    万次阅读 2015-10-13 14:21:25
    网上关于caffe安装教程非常多,但是关于每一步是否操作成功,出现了什么样的错误又该如何处理没有给出说明。因为大家的操作系统的环境千差万别,按照博客中的教程一步步的安装,最后可能失败——这是很常见的哦。...
  • Caffe安装笔记

    万次阅读 2016-01-17 16:18:52
    本文记录了两种情况下的Caffe 安装,一是在已经装了Centos和cuda的机器上安装,二是从裸机开始。前者由于各个软件版本兼容问题出错较多,后者则相当顺利。安装1系统环境CentOS release 6.4 (Final) gcc 版本 4.4.7 ...
  • caffe安装指南

    万次阅读 多人点赞 2014-10-23 13:38:18
    其实caffe上的安装已经介绍的很清楚,而且也不乏介绍caffe的文章,之所以写这篇是因为这是一个中文版本的,再就是我在实验室服务器安装时遇到了很多问题,我觉得后来人可能会遇到,所以贴...Linux平台下的Caffe安装指南
  • caffe安装验证

    千次阅读 2015-12-11 18:38:18
    caffe安装已经结束了,哈哈。没办法,博客被人抢去了。再重新写吧!好的是,自己留有word文档备份,好了,不多说了。快写一下吧。  这里呢,我选择的是TrainingLeNet on MNIST with Caffe,具体网址是:...
  • Caffe安装笔记二:Caffe安装过程

    万次阅读 2016-05-03 14:29:01
    下面开始正题,caffe安装过程。因为出问题很多,所以实际上我是尝试了python2和python3两种python的接口。下面一并放出来。 1. 安装build-essential sudo apt-get install build-essential这个是一些基本的库...
  • win10 caffe 安装

    千次阅读 2017-03-01 17:31:06
    Caffe安装及问题解决 Windows+Caffe+VS2013 1.无GPU安装 1.1.caffe安装包下载,https://github.com/Microsoft/caffe 为什么下载这个版本?我试过官方版和第三方版,官方版:太多错误,很多错误不知道解决;第三...
  • caffe安装教程(2)/caffe安装与编译

    万次阅读 2017-02-25 19:34:34
    在上一节,我们安装好了所有caffe可能用到的软件,我这里再列举一下: - NVIDIA驱动367.57 - CUDA8.0 - Cudnn v5.1 - MKL - MATLAB2014a - Anaconda(Python 2.7版) - OpenCV 2.4.13接下来,我们进入...
  • Caffe安装以及GPU服务器设置并行

    千次阅读 2017-05-05 21:19:50
    Caffe安装以及GPU服务器设置并行 本人新手,在学习GPU服务器的使用,欢迎大家一起交流。这篇博客主要讲的是之前安装的CPU版本的caffe后,进行修改为gpu的版本。 目录Caffe安装以及GPU服务器设置并行 目录 caffe的...
  • ubuntu 15.10 caffe 安装
  • Caffe安装参考文档: 确认编译器版本 安装anaconda2 安装opencv和protobuf 编译caffe Caffe编译安装指导 说明:本文假定用户已经正确安装了cuda和cudnn,如果未正确安装,可参考如下面的链接 Caffe安装参考...
  • caffe安装系列——安装OpenCV

    万次阅读 热门讨论 2015-09-24 09:19:47
    网上关于caffe安装教程非常多,但是关于每一步是否操作成功,出现了什么样的错误又该如何处理没有给出说明。因为大家的操作系统的环境千差万别,按照博客中的教程一步步的安装,最后可能失败——这是很常见的哦。...
  • caffe安装系列——安装cuda和cudnn

    万次阅读 多人点赞 2015-09-22 15:01:46
    网上关于caffe安装教程非常多,但是关于每一步是否操作成功,出现了什么样的错误又该如何处理没有给出说明。因为大家的操作系统的环境千差万别,按照博客中的教程一步步的安装,最后可能失败——这是很常见的哦。...
  • caffe安装过程中make pycaffe

    千次阅读 2019-03-14 15:22:32
    caffe 安装问题小总结(make pycaffe) 1\ Make pycaffe -j8编译报错 gedit ~/.bashrc打开文件,最后面加入 自己的路径 export PYTHONPATH=/home/hyhuang/下载/caffe/python source ~/.bashrc,生成修改 错误修改1,...
  • Caffe安装相比于CUDA简单不少,但是还是踩了几个坑,下面简单总结下Caffe安装过程。配置cuDNNcuDNN是GPU加速计算深层神经网络的库。 首先去官网(https://developer.nvidia.com/rdp/cudnn-download)下载cuDNN,...
  • caffe安装教程

    千次阅读 2018-01-03 13:51:19
    这篇安装指南,适合零基础,新手操作,请高手勿要吐槽! 简单介绍一下:Caffe,一种ConvolutionalNeural Network的工具包,和Alex的cuda-convnet功能类似,但各有特点。都是使用C++CUDA进行底层编辑,Python进行...
  • caffe安装中protobuf的版本问题

    万次阅读 2017-03-28 09:15:35
    最近想换个版本的caffe安装,结果总出现问题,不是报caffe.pb.h的错就是报caffe.pb.o的错。 去某歌上一查,是protobuf版本的问题。github上最新版本的protobuf至少是3.2的版本了,但是caffe支持的版本是2开头的。...
  • 虚拟机、Ubuntu、以及CPU的caffe安装笔记 (一)虚拟机安装及Ubuntu 虚拟机 因为我是Mac的系统,为了装caffe框架,caffe在Ubuntu中运行的效果比较好,所以就先装了个虚拟机,我选择的是Parallels Desktop,因为...
  • Windows-caffe安装

    千次阅读 2017-12-08 14:45:09
    初次在windows上安装caffe,期间碰到很多问题,会经过多次安装甚至重装系统最终安装成功,故此记录下来。安装过程主要按照github上BVLC/caffe/tree/windows中README的内容安装的。安装所需软件 Visual Studio 2015 ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 25,381
精华内容 10,152
关键字:

caffe安装