ステップ1CUDAのインストール
CaffeとNVIDIAGPUを一緒に使用するには、[CUDA Toolkit]（https://developer.nvidia.com/cuda-downloads）をインストールする必要があります。
ステップ2cuDNNのインストール
Linux用の[cuDNN]（https://developer.nvidia.com/cudnn）ライブラリをダウンロードします。ここで、[Accelerated Computing Developer Program]（https://developer.nvidia.com/accelerated-computing-developer）;を登録する必要があります。
ダウンロード後、ファイルを解凍してCUDAディレクトリにコピーします。例としてcuDNNv5.1を取り上げます。
tar zvxf cudnn-8.0-linux-x64-v5.1.tgz
cd cuda/
sudo cp lib64/lib*/usr/local/cuda/lib64/
sudo cp include/cudnn.h /usr/local/cuda/include/
- ソフトリンクを確立して更新します。
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5
sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5
sudo ln -s libcudnn.so.5 libcudnn.so
sudo ldconfig -v
注：cuDNNは、多くのプロジェクトで互換性が低く、特定の履歴バージョンをインストールする必要がある場合があります。上記のコマンドでバージョンを変更するだけで済みます。
caffeがcuDNNv5を正常に使用しているかどうかを確認します。
ldd ./build/tools/caffe.bin | grep cudnn
$ sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler libgflags-dev libgoogle-glog-dev liblmdb-dev libatlas-base-dev git
$ sudo apt-get install --no-install-recommends libboost-all-dev
$ sudo apt-get install libatlas-base-dev #ATLASをインストールする
$ sudo apt-get install libopenblas-dev #OpenBLASをインストールします
$ sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
$ git clone https://github.com/NVIDIA/nccl.git
$ cd nccl
$ sudo make install -j4
$ sudo ldconfig
NCCLライブラリとファイルヘッダーは/ usr / local / libと/ usr / local / includeにインストールされます。
NCCLは、主にマルチGPU環境での集合プロセスを高速化するために使用されます。複数のGPUが同時にトレーニングに使用される場合、NCCLは同期を行うか、または削減して、集合プロセスを高速化します。
そのコアアイデアは何ですか？データ送信を行うときは、データの大きなブロックを小さなブロックに分割し、システム内で同時に複数のリンクを使用します。たとえば、現在はPCI-Eリンクです。同時に、PCI-Eのアップリンクとダウンリンクを使用して違いを回避します。データに特定のアップリンクまたはダウンリンクチャネルを同時に使用すると、データの競合が発生し、伝送効率が大幅に低下する可能性があります。
ステップ5Caffeをコンパイルします
カフェをダウンロード
$ git clone https://github.com/BVLC/caffe.git
$ cd caffe/
$ cp Makefile.config.example Makefile.config
- Makefileを編集する.構成、変更を加える：
使用をキャンセルする_CUDNN :=注1は、cuDNNアクセラレーションを有効にします。
使用をキャンセルする_NCCL :=注1複数のGPUでCaffeを実行するために必要なNCCLを有効にする
- Caffeをコンパイルしてインストールします
$ make all -j8
$ make test -j8
$ make pycaffe # python API
$ make matcaffe #matlab API、matlabパスを定義する必要があります
インストールが完了すると、build / tools / caffeでCaffeバイナリファイルを取得できます。
ldd build/tools/caffe #すべてのライブラリを表示
ldd build/tools/caffe | grep cudnn #cudnnのバージョン情報を表示する
ldd build/tools/caffe | grep openblas #openblasライブラリ情報を表示する
/path/to/imagenet/train/n01440764/n01440764_10026.JPEG
/path/to/imagenet/val/ILSVRC2012_val_00000001.JPEG
$ ./data/ilsvrc12/get_ilsvrc_aux.sh
# 変更例/imagenet/create_imagenet.shスクリプトのTRAIN_DATA_ROOTとVAL_DATA_ROOTは、解凍後の元の画像パスです
# RESIZEを設定する=データベースに追加する前に画像を適切なサイズに調整するにはtrue
# 画像データベースを作成する
$ ./examples/imagenet/create_imagenet.sh
# 必要な画像平均ファイルを作成します
$ ./examples/imagenet/make_imagenet_mean.sh
$ export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/lib:$LD_LIBRARY_PATH
# モデルの編集/bvlc_alexnet/solver.prototxtファイル
$ ./build/tools/caffe train –solver=models/bvlc_alexnet/solver.prototxt –gpu 0
# 複数のデバイスID（0、1、2、3など）を指定するか、「-gpu all」を使用して、システムで使用可能なすべてのGPUを使用し、複数のGPUでトレーニングします.
$ sudo apt-get install 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 python-pip wget
$ sudo apt-get install liblmdb-dev
または
$ sudo pip install lmdb
$ sudo conda install opencv # for Anaconda
または
$ sudo apt-get install python-opencv
$ sudo apt-get install python-skimage
$ sudo apt-get update
$ make pycaffe #pythonAPIを再コンパイルします
# 環境変数を設定する
$ sudo gedit /etc/profile
# 環境変数を追加します。
export PYTHONPATH=${HOME}/caffe-master/distribute/python:$PYTHONPATH
export LD_LIBRARY_PATH=${HOME}/caffe-master/build/lib:$LD_LIBRARY_PATH
$ source /etc/profile #環境変数を有効にする
$ echo $<環境変数名> #環境変数を表示する
（詳細なエラーメッセージは次のようになります：チェックに失敗しました：registry.count（type）== 1（0 vs. 1）不明なレイヤータイプ：Python）
caffeディレクトリでMakefileを開きます.構成ファイル、WITHを検索_PYTHON_LAYER :=1この行で、前の 'を置き換えます#'削除して再コンパイルします。ターミナルを再度開いてコンパイルすることをお勧めします
$ sudo pip install easydict
$ wget https://code.google.com/p/protobuf/wiki/Download?tm=2
$ファイルを解凍し、フォルダに入ります
$ ./configure
$ make
$ make check
$ make install
$ ./configure && make && cd python && python setup.py test && python setup.py install
参考1：[http://code.google.com/p/protobuf/issues/detail?id=235]（http://code.google.com/p/protobuf/issues/detail?id=235）
参考2：[http://blog.csdn.net/qinglu000/article/details/17242011]（http://blog.csdn.net/qinglu000/article/details/17242011）
$ sudo apt-get install python-protobuf
または
Synapticパッケージを使用して「python」を検索します-protobuf "インストール
- ステップ1：Makefileで.構成ファイルの85行目に、次のように追加します。/usr/include/hdf5/serial/含める_DIRS、つまり、以下のコードの最初の行をコードの2番目の行に変更します。
INCLUDE_DIRS :=$(PYTHON_INCLUDE)/usr/local/include
INCLUDE_DIRS :=$(PYTHON_INCLUDE)/usr/local/include /usr/include/hdf5/serial/
- ステップ2：Makefileの173行目に、hdf5を入力します_hlとhdf5はhdf5に変更されます_serial_hlとhdf5_シリアル、つまり、以下のコードの最初の行をコードの2番目の行に変更します。
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial
# 複数のGPUでCaffeを実行するには、NVIDIANCCLが必要です
$ git clone https://github.com/NVIDIA/nccl.git
$ cd nccl
$ sudo make install -j4
# NCCLライブラリとファイルヘッダーはにインストールされます/usr/local/libと/usr/local/含める
$ sudo ldconfig #このコマンドを実行しないと、エラーが発生します：共有ライブラリのロード中にエラーが発生しました: libnccl.so.1: cannot open shared object file: No such file or directory
$ sudo apt-get install python-protobuf
または
最初にインストールパッケージをダウンロードし、自分でコンパイルしてインストールできます。参照できます：http://blog.csdn.net/paynetiger/article/details/8197326
最初の方法をお勧めします。以下が重要です。
Anacondaを使用する場合、上記の2つの方法のいずれかで、prototxt関連ファイルが/usr/local/lib/python2.7/dist-パッケージ、関連ファイルをアナコンダにコピーする必要があります/lib/python2.7/site-パッケージは通常どおり使用できます.
$ sudo apt-get install graphviz #graphvizをインストールする
$ sudo pip install pydot #pydotをインストールします
Anacondaを使用する場合は、関連するファイルをからコピーする必要があります。/usr/local/lib/python2.7/dist-パッケージをアナコンダにコピーする/lib/python2.7/site-パッケージの下.
$ sudo ldconfig /usr/local/cuda/lib64
$ sudo ldconfig /usr/local/cuda-7.5/lib64
$ sudo ldconfig /usr/local/cuda-7.5/lib64
import sys
sys.path.append("/（あなたのカフェ-マスターパス）/caffe-master/python")
sys.path.append("/（あなたのカフェ-マスターパス）/caffe-master/python/caffe")import caffe
# protobufをダウンロード-2.3.0：
$ wget http://protobuf.googlecode.com/files/protobuf-2.5.0.zip
$ unzip protobuf-2.5.0
$ cd protobuf-2.5.0
$ chmod 777 configure
$ ./configure
$ make -j4
$ make check -j4
$ make install
# pythonインターフェースをコンパイルする
$ cd ./python
$ python setup.py build
$ python setup.py test
$ python setup.py install
$ protoc -version #コマンドを使用して確認する
>> import google.protobuf
$ sudo apt-get install automake autoconf libtool
# This issue arises when you have libopenblas-base and libatlas3-base installed, but don't haveliblapack3 installed. This combination of packages installs conflicting versions of libblas.so(from OpenBLAS) and liblapack.so(from ATLAS).
# Solution 1(my favorite): You can keep both OpenBLAS and ATLAS on your machine if you also install liblapack3.
$ sudo apt-get install liblapack3
# Solution 2: Uninstall ATLAS(this will actually install liblapack3 for you automatically because of some deb package shenanigans)
$ sudo apt-get uninstall libatlas3-base
# Solution 3: Uninstall OpenBLAS
$ sudo apt-get uninstall libopenblas-base
----------------------------------------------------------------------------------------------------------------------------------------------------------------
# Bad configuration
$ dpkg -l | grep 'openblas\|atlas\|lapack'
ii libatlas3-base 3.10.1-4 amd64 Automatically Tuned Linear Algebra Software, generic shared
ii libopenblas-base 0.2.8-6ubuntu1 amd64 Optimized BLAS(linear algebra) library based on GotoBLAS2
$ update-alternatives --get-selections | grep 'blas\|lapack'
libblas.so.3 auto /usr/lib/openblas-base/libblas.so.3
liblapack.so.3 auto /usr/lib/atlas-base/atlas/liblapack.so.3
$ python -c 'import numpy'Traceback(most recent call last):
File "<string>", line 1,in<module>
File "/usr/lib/python2.7/dist-packages/numpy/__init__.py", line 153,in<module>from.import add_newdocs
File "/usr/lib/python2.7/dist-packages/numpy/add_newdocs.py", line 13,in<module>from numpy.lib import add_newdoc
File "/usr/lib/python2.7/dist-packages/numpy/lib/__init__.py", line 18,in<module>from.polynomial import*
File "/usr/lib/python2.7/dist-packages/numpy/lib/polynomial.py", line 19,in<module>from numpy.linalg import eigvals, lstsq, inv
File "/usr/lib/python2.7/dist-packages/numpy/linalg/__init__.py", line 50,in<module>from.linalg import*
File "/usr/lib/python2.7/dist-packages/numpy/linalg/linalg.py", line 29,in<module>from numpy.linalg import lapack_lite, _umath_linalg
ImportError:/usr/lib/liblapack.so.3: undefined symbol: ATL_chemv
# Solution 1
$ dpkg -l | grep 'openblas\|atlas\|lapack'
ii libatlas3-base 3.10.1-4 amd64 Automatically Tuned Linear Algebra Software, generic shared
ii liblapack3 3.5.0-2ubuntu1 amd64 Library of linear algebra routines 3- shared version
ii libopenblas-base 0.2.8-6ubuntu1 amd64 Optimized BLAS(linear algebra) library based on GotoBLAS2
$ update-alternatives --get-selections | grep 'blas\|lapack'
libblas.so.3 auto /usr/lib/openblas-base/libblas.so.3
liblapack.so.3 auto /usr/lib/lapack/liblapack.so.3
$ python -c 'import numpy'
# Solution 2
$ dpkg -l | grep 'openblas\|atlas\|lapack'
ii liblapack3 3.5.0-2ubuntu1 amd64 Library of linear algebra routines 3- shared version
ii libopenblas-base 0.2.8-6ubuntu1 amd64 Optimized BLAS(linear algebra) library based on GotoBLAS2
$ update-alternatives --get-selections | grep 'blas\|lapack'
libblas.so.3 auto /usr/lib/openblas-base/libblas.so.3
liblapack.so.3 auto /usr/lib/lapack/liblapack.so.3
$ python -c 'import numpy'
# Solution 3
$ dpkg -l | grep 'openblas\|atlas\|lapack'
ii libatlas3-base 3.10.1-4 amd64 Automatically Tuned Linear Algebra Software, generic shared
$ update-alternatives --get-selections | grep 'blas\|lapack'
libblas.so.3 auto /usr/lib/atlas-base/atlas/libblas.so.3
liblapack.so.3 auto /usr/lib/atlas-base/atlas/liblapack.so.3
$ python -c 'import numpy'
# 環境変数の設定を確認する
$ echo $PATH
$ echo $LD_LIBRARY_PATH
# いくつかのファイルをにコピーします/usr/local/libフォルダーの下：
$ sudo cp /usr/local/cuda-7.5/lib64/libcudart.so.7.5/usr/local/lib/libcudart.so.7.5&& sudo ldconfig
$ sudo cp /usr/local/cuda-7.5/lib64/libcublas.so.7.5/usr/local/lib/libcublas.so.7.5&& sudo ldconfig
$ sudo cp /usr/local/cuda-7.5/lib64/libcurand.so.7.5/usr/local/lib/libcurand.so.7.5&& sudo ldconfig
$ sudo apt-get update
# エラーが発生しました- W: GPG error: http://archive.ubuntukylin.com:10006 xenial InRelease: The following signatures couldn't be verified because the public key is not available: NO_PUBKEY 8D5A09DC9B929006
# それが重要な問題であり、解決策です。
$ sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-keys 8D5A09DC9B929006
# プロンプトが表示されたキーは上記のコマンドのキーと同じであり、すべてのコンピューターが異なることに注意してください
$ sudo apt-get install python-yaml
または、PyYAML3などのソースインストール.11 ：
$ wget http://pyyaml.org/download/pyyaml/PyYAML-3.11.tar.gz
$ tar -zxvf PyYAML-3.11.tar.gz
$ python setup.py install
# ターミナルからプログラムsudoaptをインストールします-インストールxxxを取得するときのエラー：
# E: Could not get lock /var/lib/dpkg/lock -open(11: Resource temporarily unavailable)
# E: Unable to lock the administration directory(/var/lib/dpkg/), is another process using it
# この問題は、別のプログラムが実行されているために発生する可能性があり、リソースがロックされて使用できなくなります。リソースがロックされている理由は、インストールまたは更新が最後に実行されたときにインストールまたは更新が正常に完了せず、この状況が発生したことが原因である可能性があります。解決策：
$ sudo rm /var/cache/apt/archives/lock
$ sudo rm /var/lib/dpkg/lock
# 問題の説明：
# サーバーはUbuntu14です.04、352によって駆動されるNVIDIA.39は自動的に352にアップグレードされます.63、グラフィックカードは使用できません。エラーは次のとおりです。nvidiaを実行しています-smiコマンドの場合、取得される情報は「NVMLの初期化に失敗しました: GPU access blocked by the operating sestem”
# システム：Ubuntu14.04
# cuda：7.5
# 解決：
# 1. まず、システムに含まれるすべての更新を閉じます
$ sudo vim /etc/apt/apt.conf.d/50unattended-upgrades
# （更新部分をコメントアウト）
# 参照リンク：http://www.linuxdiyf.com/Linux/15997.html
# 2. cudaドライバーをアンインストールし、再インストールします
# （1）完全にアンインストールする
$ sudo apt-get remove --purge nvidia*
$ sudo apt-get autoremove
$ sudo apt-get clean
$ dpkg -l |grep ^rc|awk '{print $2}'|sudo xargs dpkg -P
# 参照リンク：
# https://devtalk.nvidia.com/default/topic/900899/cuda-setup-and-installation/unable-to-detect-cuda-capable-device-after-automatic-forced-nvidia-updated/
# http://zhidao.baidu.com/link?url=smwXar3NPdAi1WxnZJ2_sARCEPoNcxLwB0RwmEnDPiqyrbdz64aVCoabN9azod-AQrJP0OjeiL8-y8mFRHZDma
# （2）cudaを再インストールします
# 以前のシステムUbuntu14以降.04 caffe環境を構成した後、matlabインターフェイスをコンパイルするときに、gccを4から変更します。.8は4にダウングレードされます.7。 cudaを直接インストールすると、「現在実行中のカーネルのカーネルソースツリーが見つかりません」というエラーが表示されます。. Please make sure you have installed the kernel source files for your kernel and that they are properly configured; on Red Hat Linux systems,for example, be sure you have the 'kernel-source' or 'kernel-devel' RPM installed.If you know the correct kernel source files are installed, you may specify the kernel source path with the '--kernel-source-path' command line option.”.この道をたどって考えるなら、私は「--kernel-source-「パス」の後、まだ問題があります。ダウンを続けると、システムカーネルをダウングレードするように求められます。
# システムのgccが以前にダウングレードされていたために上記のエラーが発生したことを考慮して、gccがアップグレードされました。
$ sudo apt-get install gcc-4.7
$ cd /usr/bin
$ sudo mv gcc gcc.bak
$ sudo ln -s gcc-4.7 gcc
$ sudo mv g++ g++.bak
$ sudo ln -s g++-4.7 g++
# 参照リンク：http://www.mamicode.com/info-detail-876185.html
# 次に、従来の方法に従ってcudaドライバーを再インストールし、問題を解決します。
# 転送元：http://blog.csdn.net/u012494820/article/details/52289095
# 電源を入れ、GRUB選択インターフェースでEを押すと、インターフェースがエディターになります。
# 最後の数行で静かなスプラッシュを見つけてください
# 次に、quietを削除し、テキストに変更して、F10キーを押します。
# この時点で、オペレーティングシステム（ctrl+alt+F1-F6）、ログインするユーザー名とパスワードを入力します。
# 次に、次のコードを入力します。
$ sudo add-apt-repository ppa:bumblebee/stable
$ sudo apt-get update
$ sudo apt-get install bumblebee bumblebee-nvidia
# 公式サイトより(http://opencv.org/downloads.html)OpenCVをダウンロードする,そして、それが解凍されていると仮定して、インストール場所に解凍します/home/opencv
# コンパイルフォルダを作成します。
$ cd ~/opencv
$ mkdir build
$ cd build
# 構成：
$ cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
# コンパイル：
make -j8 #-j8は並列計算を意味し、直接作成することもできます
# opencvのインストール
$ sudo make install
# 解決策は、いくつかのファイルをにコピーすることです/usr/local/libフォルダーの下：
# CUDAのバージョン番号に注意してください
$ sudo cp /usr/local/cuda-8.0/lib64/libcudart.so.8.0/usr/local/lib/libcudart.so.8.0&& sudo ldconfig
$ sudo cp /usr/local/cuda-8.0/lib64/libcublas.so.8.0/usr/local/lib/libcublas.so.8.0&& sudo ldconfig
$ sudo cp /usr/local/cuda-8.0/lib64/libcurand.so.8.0/usr/local/lib/libcurand.so.8.0&& sudo ldconfig
$ sudo apt-get install libmatio-dev
またはソースインストール：
# マティオをダウンロード(https://sourceforge.net/projects/matio/)
$ tar zxf matio-X.Y.Z.tar.gz
$ cd matio-X.Y.Z
$ ./configure
$ make
$ make check
$ make install #インストール
$ export LD_LIBRARY_PATH=/path/to/libmatio.so.2
# カフェのMakefile.構成に含める_matioのsrcパスをDIRS、LIBRARYに追加します_srcをDIRSに追加/.次のようなライブラリ：
# INCLUDE_DIRS :=$(PYTHON_INCLUDE)/usr/local/include /path/to/matio-1.5.2/src
# LIBRARY_DIRS :=$(PYTHON_LIB)/usr/local/lib /usr/lib /path/to/matio-1.5.2/src/.libs
# 参照：http://blog.csdn.net/houqiqi/article/details/46469981
# cython_bboxとcython_nms問題
$ cd fast_rcnn_root/lib
$ python setup.py install
# setup.pyをインストールした後、
$ cd python_root/Lib/site-packages/utils
# 2つのファイルがcythonで見つかります_bbox.そうとcython_nms.したがって、これら2つのファイルを高速にコピーします_rcnn_root/lib/utilsはできます.
# 参照：http://blog.csdn.net/happynear/article/details/46822109
一般的になります.次の変更を加えます。最終的なendifに注意してください。
1. # ifndef CAFFE_COMMON_CUH_
2. # define CAFFE_COMMON_CUH_
3.4.5. # include <cuda.h>6. #if!defined(__CUDA_ARCH__)|| __CUDA_ARCH__ >=6007. #else8.// CUDA: atomicAdd is not defined for doubles 9.static __inline__ __device__ double atomicAdd(double *address, double val){10. unsigned long long int* address_as_ull =(unsigned long long int*)address;11. unsigned long long int old =*address_as_ull, assumed;12.if(val==0.0)13.return__longlong_as_double(old);14.do{15. assumed = old;16. old =atomicCAS(address_as_ull, assumed,__double_as_longlong(val +__longlong_as_double(assumed)));17.}while(assumed != old);18.return__longlong_as_double(old);19.}20. #endif
21. # endif
この時点で、基本的にパスを作成できます.
問題：
$ nvcc -V
>> The program 'nvcc' is currently not installed. You can install it by typing:
sudo apt-get install nvidia-cuda-toolkit
ただし、cudaがインストールされており、cuda-XXフォルダーは/ usr / localにあります。これには、次の設定が必要です。
$ sudo gedit ~/.bashrc
最後に、64ビットワードの場合は以下を貼り付けます。
export PATH=/usr/local/cuda-7.5/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH
$ source ~/.bashrc
すぐに有効にする
問題：
カフェコードを書くときに便利なようにCを使用することがあります++98以降の一部の新機能では、caffeのデフォルトのコンパイルオプションを変更しないと、「xxxは「std」のメンバーではありません」などのエラーや一部の関数が宣言と一致しないなどのエラーが生成されます。.
解決：
MakefileのG++コンパイルコマンドを追加します-std=c++11フラグ.
カフェのMakefileで、
CXXXFLAGS +=-pthread -fPIC $(COMMON_FLAGS)$(WRANINGS)
後に追加-std=c++11
[カフェでC ++ 11機能を使用したコンパイルの問題]（http://blog.csdn.net/u010158659/article/details/78110484）から
問題：
.. /lib/libcaffe.so.1.0.0: undefined reference to `caffe::BlockingQueue<boost::shared_ptr<caffe::DataReader::QueuePair> >::size() const'
.. /lib/libcaffe.so.1.0.0: undefined reference to `caffe::BlockingQueue<boost::shared_ptr<caffe::DataReader::QueuePair>>::push(boost::shared_ptr<caffe::DataReader::QueuePair>const&)'
.. /lib/libcaffe.so.1.0.0: undefined reference to `caffe::BlockingQueue<caffe::Datum*>::push(caffe::Datum* const&)'
.. /lib/libcaffe.so.1.0.0: undefined reference to `caffe::BlockingQueue<caffe::Datum*>::BlockingQueue()'
.. /lib/libcaffe.so.1.0.0: undefined reference to `caffe::BlockingQueue<boost::shared_ptr<caffe::DataReader::QueuePair> >::pop(std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > const&)'
.. /lib/libcaffe.so.1.0.0: undefined reference to `caffe::BlockingQueue<caffe::Datum*>::pop(std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char>>const&)'
.. /lib/libcaffe.so.1.0.0: undefined reference to `caffe::BlockingQueue<caffe::Datum*>::try_pop(caffe::Datum**)'
.. /lib/libcaffe.so.1.0.0: undefined reference to `caffe::BlockingQueue<boost::shared_ptr<caffe::DataReader::QueuePair>>::BlockingQueue()'
解決：
//ブロッキングで_queue.cppにデータタイプの一般的なインスタンス化の宣言を追加します
template classBlockingQueue<Datum*>;
template classBlockingQueue<shared_ptr<DataReader::QueuePair>>;
カフェライブラリパスに問題がある可能性があります。
import sys
sys.path.insert(0,caffe_root+'python)import caffe
Uncomment to support layers written in Python (will link against Python libs)
解決：
編集：Makefile.config
WITH_PYTHON_LAYER :=1
エラーの理由は、gfortranコンパイラがインストールされていないためです。
sudo apt-get install gfortran
Recommended Posts