从零开始安装CaffeCPUonly没有pycaffe

最近新发了一台服务器&＃xff0c; i7-4790/3.6GHz 处理器&＃xff0c; 显卡 GTX 1080 Ti Pascal
开始新一轮的装机旅程。
系统是厂家安装的 Ubuntu14.04

下面从零开始安装Caffe

sudo apt-get update
sudo apt-get update

&＃xff08;2&＃xff09;安装caffe的依赖项
1&＃xff09;一般依赖项
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

2&＃xff09;BLAS依赖项
sudo apt-get install libatlas-base-dev
sudo apt-get install libopenblas-dev

3&＃xff09;python依赖项
安装python及其头文件
sudo apt-get install python
sudo apt-get install python-dev

安装python的其他依赖
sudo apt-get install python-numpy
sudo apt-get install ipython
sudo apt-get install ipython-notebook
sudo apt-get install python-sklearn
sudo apt-get install python-skimage
sudo apt-get install python-protobuf

4&＃xff09;谷歌glog和gflags和lmdb依赖项
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

&＃xff08;5&＃xff09;安装git&＃xff0c;并且下载代码
sudo apt-get install git
git clone https://github.com/BVLC/caffe.git
然后进入到源码目录
cd caffe

&＃xff08;6&＃xff09;编译Caffe
cp Makefile.config.example Makefile.config
然后修改Makefile.config设置你的python的路径和matlab的路径
# 修改Makefile.config文件&＃xff1a;去掉CPU_ONLY:&＃61; 1的注释

注意&＃xff1a;-j8表示使用多核进行编译&＃xff0c;8是核心个数

$ make all
$ make test
$make runtest

接着看看在 Caffe 中怎么用 LetNet-5 进行训练和测试&＃xff0c;整个流程如下&＃xff1a;&＃xff08;先cd到 Caffe 的根目录下&＃xff09;
1&＃xff09;下载 minist 数据的命令&＃xff1a;
\$cd data/mnist
$ ./get_mnist.sh

这个脚本主要内容是从 http://yann.lecun.com 上下载 mnist 训练和测试数据&＃xff0c;并解压

2&＃xff09;将下载的数据转换为 Caffe 能识别的数据格式 LEVELDB 或 LMDB&＃xff0c;对应的命令为&＃xff1a;
$ ./examples/mnist/create_mnist.sh
上面的脚本调用了 build/examples/mnist/convert_mnist_data.bin这个可执行程序&＃xff0c;对应的源文件为 convert_mnist_data.cpp
完成之后&＃xff0c;在目录 examples/mnist 发现生成了 examples/mnist/mnist_train_\ lmdb/ (对应训练集) 和 examples/mnist/mnist_test_lmdb/ &＃xff08;对应测试集或验证集&＃xff09;两个目录&＃xff0c;每个目录下都有两个文件&＃xff1a; data.mdb和lock.mdb

3&＃xff09;定义 LetNet-5 网络模型&＃xff0c;在 lenet.prototxt 中描述了广义的LetNet-5网络层设置&＃xff0c;在 lenet_train_test.prototxt 中描述了 LetNet-5 训练和 测试时各网络层的设置。大致是差不多的&＃xff0c;就是有些细节不一样。

4&＃xff09;有了网络模型&＃xff0c;在训练前我们还需要指定一些训练参数&＃xff0c;在lenet_solver.prototxt 中实现该功能的。这个文件最后一行是 GPU&＃xff0c;如果没有GPU&＃xff0c;需要改为CPU。不然报错

可以修改一下训练迭代次数&＃xff0c;这样时间不太长
# The maximum number of iterations
max_iter: 1000
# snapshot intermediate results
snapshot: 500

5. 现在我们有了训练数据、网络模型、指定了相关训练参数&＃xff0c;可以开始训练网络 LetNet-5 了&＃xff0c;使用下面的命令&＃xff1a;
   $./examples/mnist/train_lenet.sh&＃xff0c;训练完成之后&＃xff0c;我们得到了一个关于 LetNet-5 在 mnist 数据上的模型 caffemodel

6&＃xff09;使用训练好的模型对数据进行预测&＃xff0c;运行下面的代码&＃xff1a;
$ ./build/tools/caffe.bin test
-model examples/mnist/lenet_train_test.prototxt
-weights examples/mnist/lenet_iter_1000.caffemodel
-iterations 100

命令行解释&＃xff1a;
./build/tools/caffe.bin test&＃xff0c;表示只做预测&＃xff08;前向传播计算&＃xff09;&＃xff0c;不进行参数更新&＃xff08;后向传播计算&＃xff09;
-model examples/mnist/lenet_train_test.prototxt&＃xff0c;指定模型描述文本文件
-weights examples/mnist/lenet_iter_1000.caffemodel 指定模型预先训练好的权值文件
-iterations 100&＃xff0c;指定测试迭代次数&＃xff0c;参与侧测试的样本数目为
&＃xff08;iterations*batch_size&＃xff09;, test batch 设置为 100&＃xff0c; 所以iterations &＃61;100时&＃xff0c;刚好覆盖 10000个测试样本。