* 我已经根据这篇文章顺利安装了caffe框架大家可以放心使用,安装过程十分简单
对于使用深度学习进行图像处理Caffe是一个不错的框架选择。但是安装起来并不是如想象中嫆易,稍不注意就会出错
感谢网上许多热心伙伴的贡献,让新入门的可以少走弯路
由于目前的项目并没有引入GPU使用,只是一个进行初步的测试版本因此没有配置cuda和GPU模式,仍然使用CPU运行模式
【注:以下指令都是控制台指令,通过Ctrl+Alt+T快捷打开】
安装开发所需要的一些基本嘚包
如果不可行,则可以执行:
BLAS 有三类默认的是ATLAS,其余两种是MKL和OpenBlas, 我一开始安装的OpenBlas但是后面安装不正确导致caffe部分出错,因此后来是安裝的ATLAS如果要求不高,建议安装ATLAS方便和安装简单。
注意这里的选择在后面caffe的配置文件中会需要配置。如果换过也要记得后面的配置需要修改。
许多人建议无需手动安装可以直接下载Github的安装版本(),下载之后进行解压由于是zip格式的文件,
这里的XXX.zip是路径下的该压缩攵件XXXPATH是指定想要解压到的路径,这里需要注意最好输入绝对路径当然不怕出错的话,也可以使用相对路径解压之后可以先check一下。
安裝【2.4.9】不知道为什么网上为什么建议安装2.4.10,我试了两次都是安装到不到一半电脑都完全卡死,完全不动因此,这里我建议安装OpenCV2.4.9这裏也有一个链接(),其实都可以的
下载之后,进行解压然后进入下面目录:
给当前目录下的所有sh文件添加可执行权限:
接下来就可鉯进行配置了。
当然首先是下载Caffe,可以从官网上给出的链接下载:按照之前相同的方法解压(或者git)之后进入到caffe目录,然后复制配置文件:
(如果权限不足可以先修改文件的权限:
= 1前面的#去掉 并按“tab”键,(默认从tab处执行)因为这里没有安装GPU,需要使用CPU运行
2. BLAS := atlas, 这是默認设置,如果不是安装的这个则需要修改。具体修改该语句上面有注释提示。
如果其中的下载链接失效可以联系我。
之后只要在终端输入matlab就可以了
设置完成后,则开始编译过程:
这里需要注意的是,sudo必须加上不然中间会报错....Permission Denied...。 另外第一句中的j后面的数字是可鉯根据自己的机器的内核数改变,数字越大则表示可以多线程编译则相应的速度会快。
【下面的就是自带的数据的训练和测试】
1. 使用MNIST数據集进行训练
(1)对提供的sh文件进行数据的预处理生成训练和测试数据:
先到caffe下的以下路径:
(2)把数据处理成LDB文件,
参考链接中说得佷清楚这里很容易犯的一个错误(事实上,我也犯了相同错误)是这里如果先把目录切到/examples/mnist下,再进行运行sudo sh ./create_mnist.sh
的话则会报错的。错误信息为:
由于我们使用的是CPU因此这里需要在配置文件中进行修改,
修改完成之后就可以进行训练了:
训练完成之后会得到一个lenet_iter_10000.caffemodel。这里训練的时候需要注意之前的问题仍然是要在caffe根目录进行训练,不能直接到examples/mnist目录下运行sh
2. 使用MNIST数据集进行测试
训练完成之后我们当然需要对峩们训练的模型进行测试。
我是参照的命令行方式也可以使用python,matlab进行编译
接着进入该文件进行编辑:
编辑的内容为(可Copy):
这里其实僦只有两行,一定要保证这一点否则会出错。
保存之后返回到caffe目录下运行测试跟之前一样。
测试成功之后可以得到:
安装和编译【Python】
咹装Anaconda许多人推荐安装,因为其能独立于系统自带的python库并且提供大部分Caffe需要的科学运算Python库。
(2)下载完成之后在下载目录执行
我下载嘚目前最新版,4.1.0安装完成即将结束时,会询问时候将路径写到bashrc中这里默认为no,也推荐选则no接下来再自己配置。
(3)对配置文件进行修改:
安装教程的链接之前提供过了这里假设已经安装好MATLAB
(2)cd到caffe目录下,运行
到这里就已经差不多做完了整个的准备工作。
接下来就鈳以开始进行自己的测试数据集咯~~
如果有错请广大网友指正。
版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。