ubuntu14.0.4配置caffe 無CUDA情況下

轉自：http://blog.csdn.net/u014696921/article/details/52156552

版權聲明：本文爲博主原創文章，未經博主允許不得轉載。

目錄(?)[-]

1. 3 安裝OpenCV
2. 安裝249 不推薦
3. 4 安裝其他依賴項
4.     注如果解壓位置出錯了可以使用以下命令刪除該目錄及所有的子目錄 html view plain copy   sudo rm -rf caffe-master  
5.    然後修改裏面的內容主要需要修改的參數包括
6.    1修改文件權限 規則chmod who - mode 文件名
7.    使用 chmod gw Makefileconfig
8.     2打開文件進行修改
9.    使用 sudo vim Makefileconfig
10.    按i鍵開始修改修改結束後按esc鍵鍵入wq保存並退出
11. 6使用MNIST數據集進行測試
12. 7使用MNIST數據集進行測試

本博客是CPU的運行，GPU的一直等有時間在寫。要是想安裝gpu的版本的，可參考：先付上一些成功安裝的博客的吧

1.http://blog.csdn.NET/xierhacker/article/details/53035989

2.http://blog.csdn.Net/Lee_J_R/article/details/52693724?locationNum=7&fps=1

以上兩篇博客還不錯，比較詳細。（注：在配置的一些問題，可以在下面提問，我配置的是gtx1080，自從搞深度學習，配置不少於20次了，有點經驗，都是自己在搞，以前的辛酸不提了。）

CPU配置：

http://blog.csdn.net/autocyz/article/details/51783857  (2016.6月份的博文，本文沒有參考這篇博客，不過感覺寫的挺好 貼上連接)

caffe是一個簡潔高效的深度學習框架，具體介紹可以看這裏http://caffe.berkeleyvision.org/，caffe環境配置過程可以參考這裏：http://caffe.berkeleyvision.org/installation.html，我在搭建環境時蒐集了許多資料，這裏整理了一下，介紹一下caffe在無CUDA的環境下如何配置。

1. 安裝build-essentials

安裝開發所需要的一些基本包

sudo apt-get install build-essential

如果出現essential包不可用的情況，可以執行下列命令解決：

sudo apt-get update

2. 安裝ATLAS for Ubuntu

執行命令:

sudo apt-get install libatlas-base-dev

注：ATLAS, MKL,或OpenBLAS都可以，我這裏選擇安裝ATLAS

3. 安裝OpenCV

這個儘量不要手動安裝， Github上有人已經寫好了完整的安裝腳本：https://github.com/jayrambhia/Install-OpenCV
下載該腳本，解壓".zip"文件,解壓命令:

安裝2.4.9 (不推薦)

https://gist.github.com/bearpaw/c38ef18ec45ba6548ec0

1. 下載安裝腳本 https://github.com/bearpaw/Install-OpenCV
2. 進入目錄 Install-OpenCV/Ubuntu/2.4
3. 執行腳本 sh sudo ./opencv2_4_10.sh 

安裝2.4.9（推薦）

unzip /home/wzy/下載/Install-OpenCV-master.zip

    進入Ubuntu/2.4 目錄, 給所有shell腳本加上可執行權限：

chmod +x *.sh

      然後安裝最新版本 （當前爲2.4.9）：

sudo ./opencv2_4_9.sh

4. 安裝其他依賴項

      Ubuntu14.04用戶執行

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler

  使用其它系統的可以參考官網介紹。

5. 編譯Caffe

    完成了上述環境的配置，就可以編譯Caffe了！ 
    下載caffe安裝包,下載地址:https://github.com/BVLC/caffe
    解壓該壓縮包，解壓縮命令:

這裏也可以直接：sudo git clone https://github.com/BVLC/caffe.git

sudo unzip /home/wzy/下載/caffe-master.zip

    注:如果解壓位置出錯了,可以使用以下命令刪除該目錄及所有的子目錄:

sudo rm -rf caffe-master

    進入caffe根目錄， 首先複製一份Makefile.config，命令：

cp Makefile.config.example Makefile.config

   然後修改裏面的內容，主要需要修改的參數包括：

   1.修改文件權限 規則：chmod ［who］ ［+ | - | =］ ［mode］ 文件名¼

   使用 chmod g+w Makefile.config

    2.打開文件進行修改

   使用 sudo vim Makefile.config

   按“i”鍵開始修改，修改結束後按esc鍵，鍵入“：wq”保存並退出

   修改 將# CPU_ONLY = 1前面的#去掉 並按“tab”鍵，（默認從tab處執行）

    CPU_ONLY 是否只使用CPU模式，由於我沒有NVIDIA的顯卡，就沒有安裝CUDA，因此需要打開這個選項。
    其餘的一些配置可以根據需要修改：
    BLAS (使用intel mkl還是OpenBLAS)
    MATLAB_DIR 如果需要使用MATLAB wrapper的同學需要指定matlab的安裝路徑, 如我的路徑爲 /usr/local/MATLAB/R2013b (注意該目錄下需要包含bin文件夾，bin文件夾裏應該包含mex二進制程序)

    DEBUG 是否使用debug模式，打開此選項則可以在eclipse或者NSight中debug程序

    完成上述設置後，開始編譯：  

sudo make all -j16   (我的電腦是16的)

sudo make test

sudo make runtest

   注意：-j4 是指使用幾個線程來同時編譯，可以加快速度，j後面的數字可以根據CPU core的個數來決定，如果CPU是4核的，則參數爲-j4，也可以不添加這個參數，直接使用“make all”，這樣速度可能會慢一點兒。

6.使用MNIST數據集進行測試

 Caffe默認情況會安裝在$CAFFE_ROOT，就是解壓到的那個目錄，例如：$ home/username/caffe-master，所以下面的工作，
默認已經切換到了該工作目錄。下面的工作主要是測試Caffe是否工作正常，不做詳細評估。具體設置請參考官網：
http://caffe.berkeleyvision.org/gathered/examples/mnist.html
    (1)數據預處理
    可以用下載好的數據集，也可以重新下載，直接下載的具體操作如下：

$ cd data/mnist
$ sudo sh ./get_mnist.sh

       (2)重建LDB文件，就是處理二進制數據集爲Caffe識別的數據集，以後所有的數據，包括jpe文件都要處理成這個格式，執行命令如下： 

$ sudo sh ./examples/mnist/create_mnist.sh

       生成mnist-train-leveldb/ 和 mnist-test-leveldb/文件夾，這裏包含了LDB格式的數據集
       注:新版caffe都需要從根目錄上執行，如果使用下列命令執行：

# cd examples/mnist
# sudo sh ./create_mnist.sh

     可能會遇到這個錯誤：./create_mnist.sh: 16: ./create_mnist.sh: build/examples/mnist/convert_mnist_data.bin: not found
      (3)訓練mnist
      如果沒有GPU,只有CPU的話,需要先修改examples/mnist目錄下lenet_solver.prototxt文件,將solver_mode:GPU改爲      solver_mode:CPU，修改後結果如下所示：

# solver mode: CPU or GPU
solver_mode: CPU

    修改時可以使用vi編輯命令(ubuntu14.0.4下也可以直接雙擊打開，修改後保存即可)，如果是隻讀文件，不能編輯，可以用sudo命令，比如:

sudo vi lenet_solver.prototxt

     先進入命令模式，使用a進入編輯模式，修改完之後，使用esc退出編輯模式，進入末行模式，再使用“:wq”保存修改並退出(“:q!”爲退出但不保存修改)
   修改完成後，再在根目錄下(即/caffe-master目錄)執行下面的命令進行訓練:

$ sudo sh ./examples/mnist/train_lenet.sh

   最終訓練完的模型存儲爲一個二進制的protobuf文件：lenet_iter_10000

  至此，Caffe安裝的所有步驟完結。

注:如果進入到mnist目錄下執行這個sh命令，會出現錯誤。即這樣操作

cd ./examples/mnist
sudo sh ./train_lenet.sh

會有一個caffe-master/.build_release/tool/caffe找不到或不存在的錯誤。

7.使用MNIST數據集進行測試

得到訓練模型 lenet_iter_10000,利用命令行的方法對模型進行測試。

在caffe官網給出來了三種編譯方式 命令行、python、matlab.這裏使用的是命令行的方法

1.bash下建立.sh執行文件（腳本）  先cd到 ./caffe-master/examples/mnist文件夾下，命令行輸入

 備註：腳本的書寫可參考Caffe官網tutorial/interfaces中TEST的講解

[html] view plaincopy

touch test_lenet.sh #生成.sh文件
sudo vim test_lenet.sh
#進入.sh文件鍵入內容
#鍵入的內容爲
#！/usr/bin/env
sh
"空行"
./build/tools/caffe test --model=examples/mnist/lenet_train_test.prototxt --weights=examples/mnist/lenet_iter_10000.caffemodel
-iterations 100
備註：因爲沒有用GPU所以官網指導文檔中的"gpu 0"這部分參數就沒有添加進去
保存.sh文件  按ESC鍵 然後鍵入：wq

（因爲編輯器的問題，自動換行了，所以這裏插入了圖片）

2.將目錄返回到caffe-master目錄下 一路 cd ..

[html] view plaincopy

sudo sh ./examples/mnist/test_lenet.sh

最後放兩張測試成功的圖片

訓練過程

測試過程

8.要是大家想測試自己的數據集的話，可以參考鏈接：http://blog.csdn.net/u014696921/article/details/52156487

9.編譯python wrapper

安裝python

編譯

（1）安裝 Anaconda，到caffe官網指導文檔中安裝指導頁面，進入Anaconda官網，下載相應版本

（2）到下載目錄，執行

bash Anaconda2-2.4.1-Linux-x86_64.sh   (自己下載的是什麼版本就用什麼版本)

（3）cd到根目錄下，執行

sudo vim ~/.bashrc

對文件進行如下修改（文件最後添加就可以）

# add library path
LD_LIBRARY_PATH=your_anaconda_path/lib:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH

（4）安裝pip和python-dev ，執行

sudo apt-get install python-dev python-pip

（5）cd到caffe-master/python目錄下，執行

for req in $(cat requirements.txt); do sudo pip install $req; done

（6）cd到caffe-master目錄下，編譯執行

sudo make pycaffe

9.配置MATLAB2016：Ubuntu 14.04安裝Matlab 2016b教程

10.編譯matlab wrapper

安裝matlab(參考之前的博文)

編譯

（1）安裝matlab

（2）修改Makefile.config 在caffe-master目錄下

（3）cd到caffe-maste目錄下，編譯執行

sudo make matcaffe
注意：配置2014的時候，一直要把gcc降級，之前一直做，沒有成功，最後還是安裝了2016版本的不用降級，方便，見Ubuntu
14.04安裝Matlab 2016b教程