[PYTHON] Bis Sie Caffe installieren und das Beispiel ausführen
Ich wollte Caffe verwenden, eine Bibliothek mit einem guten Ruf für die Bilderkennung. Ich habe versucht, die Prozedur von der Installation bis zur Ausführung des Beispiels (mnist) zusammenzufassen.
Die Setup-Umgebung ist wie folgt.
- OS: Ubuntu 16.04.1 LTS
- GPU-Treiber: NVIDIA 367.57
1. 1. Installieren einer externen Bibliothek
Installieren Sie die erforderlichen Bibliotheken.
~
$ sudo apt-get install libatlas-base-dev libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler git
2. Laden Sie Caffe herunter
Laden Sie die Caffe-Quelle von git herunter.
~
$ git clone https://github.com/BVLC/caffe.git
$ cd caffe
3. 3. Konfigurationsdatei bearbeiten
Erstellen Sie zunächst eine make-Datei zum Kompilieren.
caffe/
$ cp Makefile.config.example Makefile.config
Wenn Sie so kompilieren, wie es ist, sind einige Fehler aufgetreten Schreiben Sie einige Konfigurationsdateien neu, um dies zu vermeiden.
3.1. um hdf5
Wenn Ihnen etwas wie "hdf5.h kann nicht gefunden werden" gesagt wird Lassen Sie uns zunächst überprüfen, ob libhdf5-dev apt-get ist.
Wenn es installiert ist, aber eine Fehlermeldung angezeigt wird, Ändern Sie INCLUDE_DIRS in Makefile.config.
caffe/Makefile.config
#INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/
3.2. um cuda
Wenn Ihnen dann gesagt wird "/ usr / local / cuda / bin / nvcc: nicht gefunden", Ändern Sie CUDA_DIR in Makefile.config.
caffe/Makefile.config
#CUDA_DIR := /usr/local/cuda
CUDA_DIR := /usr
3.3. um memcpy
Wenn bei memcpy eine Fehlermeldung angezeigt wird, ändern Sie NVCCFLAGS in caffe / Makefile wie folgt. (Nicht Makefile.config, verwirrend)
caffe/Makefile
#NVCCFLAGS += -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
3.4. um lhdf5
Wenn Ihnen gesagt wird "/ usr / bin / ld: -hdf5_hl nicht gefunden" Fügen Sie den symbolischen Link in / usr / lib / x86_64-linux-gnu ein.
/usr/lib/x86_64-linux-gnu
$ cd /usr/lib/x86_64-linux-gnu
$ sudo ln -s libhdf5_serial.so.10.1.0 libhdf5.so
$ sudo ln -s libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so
4. kompilieren
Zu diesem Zeitpunkt sollten die erforderlichen Einstellungen fast abgeschlossen sein. Lassen Sie uns kompilieren und testen.
caffe
$ make
$ make runtest
Wenn das Runtest-Ergebnis PASSED ist, ist die Caffe-Installation abgeschlossen.
5. Probentest
Standardmäßig enthält caffe eine Reihe von Lernskripten.
Danach können Sie das Sample verschieben, indem Sie das Skript einzeln drücken.
Laden Sie zunächst die Mnist-Daten herunter und konvertieren Sie sie.
caffe/
$ data/mnist/get_mnist.sh
$ examples/mnist/create_mnist.sh
Nachdem wir die Trainingsdaten haben, trainieren wir das Modell.
caffe/
$ examples/mnist/train_lenet.sh
Führen Sie abschließend den Mnist-Test mit dem trainierten Modell durch.
caffe/
$ ./build/tools/caffe test -model ./examples/mnist/let_train_test.prototxt -weights ./examples/mnist/lenet_iter_10000.caffemodel
Bis zu diesem Punkt konnte ich Caffe bewegen.
Verweise
- [Caffe] Bis du Caffe zum ersten Mal unter Ubuntu 16.04 machst
- Erstes tiefes Lernen von Hiromasa Takei
Recommended Posts