去年下半年看了相關目標檢測的論文,一些傳統的算法,一些CVPR,TPAMI,ECCV,ICCV,,NIPS,比較前沿的進展,主要都是基於深度學習卷積神經網絡方面的,包括RCNN,SPP-NET,Fast-RCNN,Faster-RCNN,以及YOLO,SSD,然後明天準備正式開始搞學術了,爭取早點把論文發出來。
趁着放假回家的時間,做點前期準備工作,深度學習方面的框架有caffe,torch,mxnet,kerse,還有最近比較大熱的TensorFlow,感覺tf會持續popular,所以準備搭建一個玩玩,但是相關比較新的目標檢測框架都是首先基於caffe開發的,caffe對於圖像方面的庫比較多,穩定,所以搭建一個caffe也是必不可少,好像tf也是可以調用caffe框架模型的(沒用過)。
裝雙系統之step one:http://blog.csdn.net/jasonzhangoo/article/details/54865974
裝顯卡驅動之step two(很多同學都是因爲這步而放棄深度學習的):http://blog.csdn.net/jasonzhangoo/article/details/54866049
Ubuntu16.04下安裝caffe和TensorFlow的cpu版本之step three:http://blog.csdn.net/jasonzhangoo/article/details/54866074
Win10下安裝caffe的GPU版本之step four:http://blog.csdn.net/jasonzhangoo/article/details/54866120
windows安裝配置faster-rcnn之step five:http://blog.csdn.net/jasonzhangoo/article/details/54866174
Ubuntu16.04下安裝caffe和TensorFlow的cpu版本之step three:
當然如果你僅僅是初學者就只想快速感受一下caffe和TensorFlow的魅力,那麼可以安裝cpu版本跑幾個demo看看。
1)依次安裝依賴包
依次執行以下語句,安裝依賴包:
sudo apt-get install libprotobuf-dev
sudo apt-get install libleveldb-dev
sudo apt-get install libsnappy-dev
sudo apt-get install libopencv-dev
sudo apt-get install libhdf5-serial-dev
sudo apt-get install protobuf-compiler
sudo apt-get install libgflags-dev
sudo apt-get install libgoogle-glog-dev
sudo apt-get install liblmdb-dev
sudo apt-get install libatlas-base-dev
2)下載caffe
可直接使用Git下載caffe,如果沒有Git,請先安裝Git,執行如下語句:
sudo apt-get install git
安裝結束後下載caffe,執行以下命令:
git clone git://github.com/BVLC/caffe.git
3)編譯caffe
1.進入caffe目錄
cd caffe/
2.生成Makefile.config文件,這裏是將caffe目錄下自帶的Makefile.config.example文件複製一份並更名爲Makefile.config,命令如下:
cp Makefile.config.example Makefile.config
此時目錄下就會有Makefile.config文件
3.修改Makefile.config文件中的配置
1)編輯Makefile.config文件
sudo gedit Makefile.config
2)去掉CPU_ONLY前面的#號
使得CPU_ONLY := 1
3)配置引用文件路徑(主要是HDF5的路徑問題)
原來的路徑配置如下圖:
修改爲如下圖:
新增的內容爲(注意新增內容是空一格然後直接在後面添加):
/usr/include/hdf5/serial
/usr/lib/x86_64-linux-gnu/hdf5/serial
4)執行編譯
sudo make all
執行之後:
sudo make test
執行之後:
sudo make runtest
執行之後:
顯示1104個用例執行成功,結果PASSED!
注意:如果執行結果失敗,則需要執行語句sudo make clean,然後解決掉問題重新編譯
安裝TensorFlow:
首先建議安裝pip,這樣安裝tf會十分方便sudo apt-get install python-pip
#僅使用 CPU 的版本
$ pip installhttps://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.5.0-cp27-none-linux_x86_64.whl
#開啓 GPU 支持的版本 (安裝該版本的前提是已經安裝了 CUDA sdk)
$ pip installhttps://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.5.0-cp27-none-linux_x86_64.whl
安裝Ubuntu下cpu版本可以參考:http://www.linuxdiyf.com/linux/26229.html