Caffe + Ubuntu 12.04 64bit + CUDA 5.5 配置说明

1. 安装build-essentials

1.sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev

2.
# glog
wget https://google-glog.googlecode.com/files/glog-0.3.3.tar.gz
tar zxvf glog-0.3.3.tar.gz
cd glog-0.3.3
./configure
make && make install
# gflags
wget https://github.com/schuhschuh/gflags/archive/master.zip
unzip master.zip
cd gflags-master
mkdir build && cd build
export CXXFLAGS="-fPIC" && cmake .. && make VERBOSE=1
make && make install
# lmdb
wget https://github.com/wizawu/lmdb/archive/lmdb.master.zip
unziplmdb.master.zip
cdlmdb.master/libraries/liblmdb
make && make install

#git clone git://gitorious.org/mdb/mdb.git(注git时出错,因此换为下面方式获取

注意: 安装完成后需要添加library路径

1.sudo gedit /etc/ld.so.conf.d/lmdb.conf

2.在文件中添加内容
/usr/local/lib

3.完成lib文件的链接操作,执行:

sudo ldconfig -v

2. 安装NVIDIA驱动 (3.4.0)和CUDA 5.5

见我的其它博客的相关内容

3. 安装Intel MKL 


1.安装BLAS,这里可以选择(ATLAS,MKL或者OpenBLAS),我这里使用MKL,首先下载并安装英特尔? 数学内核库 Linux* 版MKL,下载链接是:https://software.intel.com/en-us/intel-education-offerings,可以下载Student版的,先申请,然后会立马收到一个邮件(里面有安装序列号),打开照着下载就行了。下载完之后,要把文件解压到它是保存在home/username
接下来是安装过程,先授权,然后安装:
$ tar zxvf cpp_studio_xe_2013_sp1_update3.tar.gz  (如果你是直接拷贝压缩文件过来的)
$ chmod a+x /home/username/cpp_studio_xe_2013_sp1_update3 -R
$ sudo ./install_GUI.sh
安装的时候,可以安装到root权限下,或者sudo权限,我是装在root权限下,避免麻烦,这时就必须确保已经为root设置过密码了,然后会让你输入你申请的时候发给你的序列号。没设置的话,执行:

$ sudo passwd root

2.MKL与CUDA的环境设置
进行如下操作
1. 新建intel_mkl.conf,使用如下命令:
$sudo gedit /etc/ld.so.conf.d/intel_mkl.conf
添加如下内容并保存
/opt/intel/lib/intel64
/opt/intel/mkl/lib/intel64

2. 新建cuda.conf,使用如下命令:
$sudo gedit /etc/ld.so.conf.d/cuda.conf
添加如下内容并保存
/usr/local/cuda/lib64
/lib

3. 完成lib文件的链接操作,执行:
$ sudo ldconfig -v

4.安装OpenCV

使用Github上写好的完整的安装脚本:https://github.com/jayrambhia/Install-OpenCV

下载该脚本,进入Ubuntu/2.4 目录

然后安装最新版本 (当前为2.4.9)

sudo ./opencv2_4_9.sh
脚本会自动安装依赖项,下载安装包,编译并安装OpenCV。整个过程会比较漫长。

5. 安装Caffe所需要的Python环境

见我的其它博客的相关内容

6. 编译Caffe

1. 切换到Caffe的下载文件夹,然后执行:
$ cp Makefile.config.example Makefile.config
修改新生成的Makefile.config文件,修改“BLAS := mkl”,这个非常重要。
$ make all
$ make test
$ make runtest

我这步遇到一个问题是关于compute_50,只需注释掉Makefile.config中的compute_50部分,如下所示,出现这个错误的原因是CUDA5.5不支持compute_50
CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \
-gencode arch=compute_20,code=sm_21 \
-gencode arch=compute_30,code=sm_30 \
-gencode arch=compute_35,code=sm_35 \
#-gencode arch=compute_50,code=sm_50 \
#-gencode arch=compute_50,code=compute_50

6. 使用MNIST数据集进行测试

Caffe默认情况会安装在$CAFFE_ROOT,就是解压到那个目录,例如:$ home/username/caffe-master,所以下面的工作,默认已经切换到了该工作目录。下面的工作主要是,用于测试Caffe是否工作正常,不做详细评估。具体设置请参考官网:http://caffe.berkeleyvision.org/gathered/examples/mnist.html
1. 数据预处理
可以用下载好的数据集,也可以重新下载,我网速快,这里就偷懒直接下载了,具体操作如下:
sudo sh data/mnist/ ./get_mnist.sh
2. 重建LDB文件,就是处理二进制数据集为Caffe识别的数据集,以后所有的数据,包括jpe文件都要处理成这个格式
sudo sh examples/mnist/./create_mnist.sh
生成mnist-train-leveldb/ 和 mnist-test-leveldb/文件夹,这里包含了LDB格式的数据集
3. 训练mnist
sudo sh examples/mnist/ ./train_lenet.sh

注意:新版的caffe必须在主目录下进行操作

引用:

[1].http://www.cnblogs.com/platero/p/3993877.html

[2].http://www.haodaima.net/art/2823705

[3].http://caffe.berkeleyvision.org/

郑重声明:本站内容如果来自互联网及其他传播媒体,其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。