[PYTHON] Jusqu'à ce que vous installiez Caffe et exécutiez l'exemple

Je voulais utiliser Caffe, une bibliothèque avec une bonne réputation pour la reconnaissance d'images, J'ai essayé de résumer la procédure de l'installation à l'exécution de l'exemple (mnist).

L'environnement d'installation est le suivant.

• OS: Ubuntu 16.04.1 LTS
• Pilote GPU: NVIDIA 367.57

1. 1. Installer une bibliothèque externe

Installez l'ensemble de bibliothèques requis.

~

$ 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. Télécharger le Caffe

Téléchargez la source Caffe depuis git.

~

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

3. 3. Modifier le fichier de configuration

Commencez par créer un fichier Make pour la compilation.

caffe/

$ cp Makefile.config.example Makefile.config

Si vous compilez tel quel, des erreurs se sont produites, donc Réécrivez certains fichiers de configuration pour éviter cela.

3.1. autour de hdf5

Si on vous dit quelque chose comme "impossible de trouver hdf5.h" Tout d'abord, vérifions si libhdf5-dev est apt-get.

S'il est installé mais que vous obtenez une erreur, Modifiez INCLUDE_DIRS dans 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. autour de cuda

Ensuite, si on vous dit "/ usr / local / cuda / bin / nvcc: not found", Modifiez CUDA_DIR dans Makefile.config.

caffe/Makefile.config

#CUDA_DIR := /usr/local/cuda
CUDA_DIR := /usr

3.3. autour de memcpy

Si vous obtenez une erreur autour de memcpy, modifiez NVCCFLAGS dans caffe / Makefile comme suit. (Pas Makefile.config, déroutant)

caffe/Makefile

#NVCCFLAGS += -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)

3.4. autour de lhdf5

Quand on vous dit "/ usr / bin / ld: -hdf5_hl introuvable" Collez le lien symbolique dans / usr / lib / x86_64-linux-gnu.

/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. compiler

À ce stade, les paramètres nécessaires devraient être presque terminés. Compilons et testons.

caffe

$ make
$ make runtest

Si le résultat du test d'exécution est RÉUSSI, l'installation de Caffe est terminée.

5. Échantillon test

Par défaut, caffe contient un ensemble de scripts d'apprentissage.

Ainsi, après cela, vous pouvez déplacer l'échantillon simplement en appuyant sur le script un par un.

Tout d'abord, téléchargez les données mnist et convertissez-les.

caffe/

$ data/mnist/get_mnist.sh
$ examples/mnist/create_mnist.sh

Maintenant que nous avons les données d'entraînement, formons le modèle.

caffe/

$ examples/mnist/train_lenet.sh

Enfin, exécutez le test mnist à l'aide du modèle entraîné.

caffe/

$ ./build/tools/caffe test -model ./examples/mnist/let_train_test.prototxt -weights ./examples/mnist/lenet_iter_10000.caffemodel

Jusqu'à présent, j'ai pu déplacer Caffe.

Les références

• [Caffe] Jusqu'à ce que vous fassiez Caffe pour la première fois sur Ubuntu 16.04
• Premier apprentissage en profondeur, par Hiromasa Takei