caffe2 安裝教程

前段時間賈揚清大牛在Facebook推出了caffe2版本，相比caffe來說感覺更加輕量級和高效。

Caffe2的安裝相比於caffe在安裝的時候更加簡便，略去了Makefile.config的各種配置，對於有無GPU以及各種可選庫例如OpenCV，anaconda的支持也更簡單。（其實你直接裝好庫以後make就好，以GPU爲例，在make的時候，自動檢測你是否安裝了CUDA，若沒有，就自動CPU only）

在開始安裝之前，附上caffe2的官方鏈接，官網對於安裝還是講的非常詳細易懂。博主底下會給出安裝之後具體截圖，方便大家理解，當然對於大神們可以直接點鏈接然後略過後文了。
https://caffe2.ai/docs/getting-started.html?platform=ubuntu&configuration=compile

Caffe2 中基本計算單元之一是 Operators。每個 Operator 包含給定適當數量和類型的輸入和參數來計算輸出所需的邏輯。
Caffe 和 Caffe2 功能的總體差異如下圖所示：

看到這段話，是不是更覺得像是tensorflow了？之前layer的概念被弱化，數據與操作完全分開，不就是tensorflow裏面需要定義的tf.matmul和tf.Variable這類嗎？
其次提出的workspace概念很像是tf中的Session：

# Create the input data
data = np.random.rand(16, 100).astype(np.float32)

# Create labels for the data as integers [0, 9].
label = (np.random.rand(16) * 10).astype(np.int32)

workspace.FeedBlob("data", data)
workspace.FeedBlob("label", label)

# Create model using a model helper
m = cnn.CNNModelHelper(name="my first net")
fc_1 = m.FC("data", "fc1", dim_in=100, dim_out=10)
pred = m.Sigmoid(fc_1, "pred")
[softmax, loss] = m.SoftmaxWithLoss([pred, "label"], ["softmax", "loss"])

最後還要說一點就是對Python的支持大大增強了，當然這也是深度學習的趨勢。

一、依賴庫的安裝

裝過caffe的這個應該都比較清楚

sudo apt update
sudo apt install -y --no-install-recommends \
      build-essential \
      cmake \
      git \
      libgoogle-glog-dev \
      libprotobuf-dev \
      protobuf-compiler \
      python-dev \
      python-pip                          
sudo pip install numpy protobuf

若版本爲Ubuntu16.04，則安裝libgflags-dev

sudo apt install -y --no-install-recommends libgflags-dev

若版本爲Ubuntu14.04，則安裝libgflags2

sudo apt-get install -y --no-install-recommends libgflags2

這兩個不能搞混，否則安裝會報錯

其他的一些optional dependencies（ubuntu16.04與14.04均適用）

sudo apt-get install -y --no-install-recommends \
      libgtest-dev \
      libiomp-dev \
      libleveldb-dev \
      liblmdb-dev \
      libopencv-dev \
      libopenmpi-dev \
      libsnappy-dev \
      openmpi-bin \
      openmpi-doc \
      python-pydot
      sudo -H pip install --upgrade pip 

這裏更新一下pip，否則後面pip安裝jupyter有可能會報錯

sudo pip install \
      flask \
      graphviz \
      hypothesis \
      jupyter \
      matplotlib \
      pydot python-nvd3 \
      pyyaml \
      requests \
      scikit-image \
      scipy \
      setuptools \
      tornado

二、安裝

首先是Git

git clone --recursive https://github.com/caffe2/caffe2.git
cd caffe2
make

caffe2的好處就是makefile中會根據你的庫進行make，省去了各種makefile.config的設置，不像caffe有的時候真的是會被CUDA還有各種庫折騰很久。

之後：

cd build
sudo make install

可以用下面這行import Python:

python -c 'from caffe2.python import core' 2>/dev/null && echo "Success" || echo "Failure"

最後可以用來檢測你的GPU是否安裝成功，如果沒有安裝GPU，他會給以個warning說是CPU only，最後test pass。這樣說明我們安裝成功.

python -m caffe2.python.operator_test.relu_op_test

三、環境變量設置

臨時變量設置（貌似重啓失效）：

#修改環境變量
export PYTHONPATH=/usr/local:$PYTHONPATH
export PYTHONPATH=$PYTHONPATH:/home/lemon(user)/caffe2/build ##這裏大家別忘記該路徑
export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH

#查看環境變量是否修改成功
echo $PYTHONPATH
echo $LD_LIBRARY_PATH

具體設置更改對應shell的配置文件，一般來說

sudo vim /etc/profile

在最後加上

export PYTHONPATH=/usr/local:$PYTHONPATH
export PYTHONPATH=$PYTHONPATH:/home/lemon(user)/caffe2/build
export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH

參考：
http://blog.csdn.net/weierqiuba/article/details/71099349?utm_source=itdadao&utm_medium=referral