著作権に関する声明：この記事はブロガーのオリジナル記事であり、ブロガーの許可なしに複製することはできません。 https://blog.csdn.net/Gavin__Zhou/article/details/47363385
過去数日間、ディープラーニングについて何かを見たので、楽しみたいと思いました。Theano、Torch7、CaffeからCaffeを選びました。主な理由は、インストールが比較的簡単で、オンラインチュートリアルがたくさんあることです。
Caffeの紹介を投稿する：
Caffeは、明確で効率的な深層学習フレームワークです。その著者は、UC Berkeleyを博士号を取得して卒業し、現在Googleで働いているJiaYangqingです。
Caffeは、コマンドライン、Python、MATLABインターフェイスをサポートする純粋なC ++ / CUDAアーキテクチャであり、CPUと[GPU]（https://cloud.tencent.com/product/gpu?from=10680）の間でシームレスに切り替えることができます。
カフェの利点
クイックスタート：モデルと対応する最適化は、コードではなくテキストの形式で提供されます。
Caffeは、モデルの定義、最適な設定、およびトレーニング前の重みを提供します。これは、すぐに開始するのに便利です。
高速：最高のモデルと大量のデータを実行できます。
CaffeとcuDNNを組み合わせて使用して、AlexNetモデルをテストします。K40で処理するのに必要なのは画像ごとに1つだけです。.17ms.
モジュール性：新しいタスクや設定に簡単に拡張できます。
Caffeが提供するさまざまなレイヤータイプを使用して、独自のモデルを定義できます。
開放性：オープンコードと参照モデルが複製に使用されます。
コミュニティは良いです：あなたはBSDに合格することができます-2開発と議論に参加します。
それだけです。インターネットにアクセスして、今回の焦点ではなく、それらの束を見つけてください。スキップしてください。 。 。 。 。
また、インターネット上でたくさんのチュートリアルを見つけました。単純なものから複雑なものまであります。それらの多くは古くて使用できません。また、多くのオンラインブログ資料も参照しています。違反がある場合はご連絡ください。
自分のマシン、i5 + Intelセットディスプレイ+ 4GB RAMの構成について話しましょう。そのため、CUDAのようなGPUアクセラレーションは利用できませんが、始めたばかりの場合は問題ありません。 Caffeは、UbuntuやCentOSなどのLinuxにインストールすることをお勧めします。公式のチュートリアルも同じです。Windowsでは実際にはお勧めしません。
[ カフェ公式サイト]（http://caffe.berkeleyvision.org/）[カフェ公式ガイド]（http://caffe.berkeleyvision.org/installation.html）
以下のインストールプロセスを開始します。
それについては話しません。うまくいかない場合は、この[Ubuntuインストール]（http://www.linuxidc.com/Linux/2014-04/100369.htm）を参照してください。
壊れたマシンは必要ありませんが、インストールしているので、これ以上の出張の心配はありません。
まず、CUDAインストールパッケージ[CUDAダウンロードアドレス]（https://developer.nvidia.com/cuda-downloads）をダウンロードし、ダウンロードする独自のUbuntu14.04debパッケージを入力して選択する必要があります。
次に、リポジトリとCUDAをインストールします。
$ sudo dpkg -i cuda-repo-ubuntu1410-7-0-local_7.0-28_amd64.deb
$ sudo apt-get update
$ sudo apt-get install -y cuda
環境変数を設定します。
$ export CUDA_HOME=/usr/local/cuda7
$ export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
$ PATH=${CUDA_HOME}/bin:${PATH}
$ export PATH
pythonシステムにはすでにpython2.7が付属しており、ipython環境をインストールする必要があります。多くのCaffeプログラムにはipythonが必要です。インターネット上の一部の人々はspyderを直接インストールします。インストールすると、デフォルトでipythonがインストールされますが、インストールすることもできます。 [EPD]（https://www.enthought.com/products/epd/）スクリプトをダウンロードしてインストールします。デフォルトでは、ipython、numpy、scipy、pandas、matplotlibなどの多くのライブラリをインストールするのに役立ちます。問題がある場合は、ubuntuソフトウェアセンターでスパイダーのインストールを検索することもできます。できる。
BLASはMKLを選択します。ATLASまたはOpenBLAS、[MKLダウンロードアドレス]（https://software.intel.com/en-us/intel-education-offerings）を選択することもできます。ダウンロードする前に最初に申請する必要があります。後で使用するインストールシリアル番号を必ず保持してください。
$ tar zxvf parallel_studio_xe_2015.tar.gz
$ chmod a+x parallel_studio_xe_2015 -R
$ sudo ./install_GUI.sh
このようにして、GUIのインストールを開始し、Windowsでのインストールとソフトウェアのように感じます。次に、最後に、前にメールで送信されたシリアル番号を入力します。これで問題ありません。
新しいMKL構成ファイルを作成します。
$ sudo gedit /etc/ld.so.conf.d/intel_mkl.conf
次の2つの文を書いてください。
/opt/intel/lib/intel64
/opt/intel/mkl/lib/intel64
新しいcuda構成ファイルを作成します。
$ sudo gedit /etc/ld.so.conf.d/cuda.conf
次の2つの文を書いてください。
/usr/local/cuda/lib64
/lib
最後にリンクを完成させます：
$ sudo ldconfig -v
ここでは、他の人が提供するインストールパッケージを使用して、いくつかの依存関係の問題を解決します。ダウンロードリンク：[OpenCV]（https://github.com/ouxinyu/Install-OpenCV-master）
ファイルが保存されているフォルダーに切り替えて、依存関係をインストールします。
$ sudo sh Ubuntu/dependencies.sh
ディレクトリ3.0を変更し、OpenCV3.0.0rc1をインストールします。
$ sudo sh opencv3_0_0-rc1.sh
ネットワークのインストール、待つだけ
[ glogダウンロードアドレス]（https://code.google.com/p/google-glog/）
インストール：
$ tar zxvf glog-0.3.3.tar.gz
$ ./configure
$ make
$ sudo make install
その他の依存関係：
$ sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev
$ sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler
$ sudo apt-get install -y python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags Cython ipython
$ sudo apt-get install -y protobuf-c-compiler protobuf-compiler
このステップでGPUアクセラレーションが必要ない場合は、インストールする必要はありません。CPUを実行することもできます。
a。この修正バージョンのcaffe-masterは、デフォルトでcudnn-6.5-linux-x64-v2をサポートします。cudnn-6.5-linux-R1を使用すると、エラーが報告されます。インストールする前に、公式Webサイトにアクセスして最新のcuDNNをダウンロードしてください。
$ sudo cp cudnn.h /usr/local/include
$ sudo cp libcudnn.so /usr/local/lib
$ sudo cp libcudnn.so.6.5/usr/local/lib
$ sudo cp libcudnn.so.6.5.48/usr/local/lib
b。cuDNNライブラリファイルをリンクする
$ sudo ln -sf /usr/local/lib/libcudnn.so.6.5.48/usr/local/lib/libcudnn.so.6.5
$ sudo ln -sf /usr/local/lib/libcudnn.so.6.5/usr/local/lib/libcudnn.so
$ sudo ldconfig -v
c。Caffe-masterフォルダーに切り替え、Makefile.config構成ファイルを生成して、以下を実行します。
$ cp Makefile.config.example Makefile.config
d。Makefile.configファイルを構成します（変更された部分のみがリストされます）
<1>. CUDNNを有効にし、「＃」を削除します（現在、caffe-masterは引き続きR1バージョンのみをサポートします）
USE_CUDNN :=1
<2>. GPUを有効にし、コメント「＃」を追加します
# CPU_ONLY :=1
<3>. いくつかの参照ファイルを構成します（追加された部分は、主に新しいバージョンでのHDF5のパスの問題を解決するためのものです）
INCLUDE_DIRS :=$(PYTHON_INCLUDE)/usr/local/include /usr/lib/x86_64-linux-gnu/hdf5/serial/include
LIBRARY_DIRS :=$(PYTHON_LIB)/usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial
<4>. C ++ Linux用のIntelParallel Studio XE 2015 ProfessionalEditionを有効にする
BLAS := mkl
<5>. caffeによるPythonおよびMatlabインターフェイスのサポートを実現するためのパスを構成します
PYTHON_LIB :=/usr/local/lib
MATLAB_DIR :=/usr/local/MATLAB/R2014a
<6>. Makefileを構成します（OpenCV 3.xのサポートを実現するため）
「インクルードディレクトリとlibディレクトリの派生」セクションを見つけ、「LIBRARIES + =」の最後の行を変更し、opencv_imgcodecsを追加します
opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs
[ caffeソースコードのダウンロードアドレス]（https://github.com/BVLC/caffe）
コンパイル：
$ make all -j8
$ make test -j8
$ make runtest -j8
$ make pycaffe -j8
$ make matcaffe -j8
これは問題ないはずです。次のブログで、Caffeを使用して自分のことを実行する方法について説明します。
Reference：
（1）[OuXinYUのブログ]（https://ouxinyu.github.io/Blogs/20140723001.html）
（2）[CSDNのカフェ紹介]（http://www.csdn.net/article/2015-01-22/2823663）
（3）[その他]（http://blog.csdn.net/kuaitoukid/article/details/40395617）
Recommended Posts