Caffe深度學習框架是比較老的,要不是要做一些特殊硬件相關的工作,我也不會想去配置Caffe,所以大家能用TF和MXNet儘量用吧,或者caffe2。
安裝Caffe最大的坑就是它和很多新版本的依賴兼容相性差,所以大家在裝的時候儘量從安裝較老版本的依賴,我在下面會給大家一些推薦。
本地環境
系統:macOS Mojave 10.14.6 64bit
目標:CPU only Caffe
安裝homebrew和anaconda
根據官網的建議,我們需要用homebrew來安裝管理軟件和包,使用anaconda來管理Python。
在terminal中依次輸入下述命令即可安裝homebrew:
- xcode-select --install //如果已經事先安裝Xcode命令行工具,可忽略這一命令
- /usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
可以通過brew命令瞭解是否安裝成功。
接下來安裝anaconda:
直接去官網下載安裝包,建議使用anaconda3,然後通過以下命令來創建修改Python版本環境
- //格式:conda create --name env_name package_names
- conda create --name py27 python=2.7
然後用以下命令在base環境和你創建的環境中切換
- source activate py27 //進入名爲py27的環境 env_name=py27
- conda deactivate //退出當前環境,回到默認環境
需要注意的是不同環境直接的某些包和依賴不能共用,要個安裝各的。
開始安裝各類依賴
Openblas和我也沒去了解的東西(這些東西不太考慮版本,所以先安裝好):
- brew install -vd snappy leveldb gflags glog szip lmdb doxygen
- brew install openblas
- brew install hdf5
然後是OpenCV和boost-Python,別忘了和brew關聯在一起:
- brew install [email protected] [email protected]
- brew link [email protected] --force
- brew link [email protected] --force
- brew install opencv@3
- brew link opencv@3 --force
如果沒有上述命令出現問題,可能是你link了其他版本到brew上,你可以用unlink和brew解除並重新關聯,或者直接卸載其他版本,我是強烈建議卸載其他版本的,這樣可以避免很多問題,你可以通過brew info 命令或brew search命令查看自己安裝的東西的版本。
接下來是protobuf,由於brew沒有提供合適的版本,我們直接下載3.5.1版本原碼編譯,注意請你先把其他版本的protobuf卸載,這樣可以減少一些麻煩。先cd到合適的文件夾。
- brew install wget //若有可忽略
- wget https://github.com/protocolbuffers/protobuf/releases/download/v3.5.1/protobuf-all-3.5.1.tar.gz //獲取源代碼
- tar xzvf protobuf-all-3.5.1.tar.gz //解壓
- cd protobuf-3.5.1 //cd進去
- ./autogen.sh
- ./configure //有些教程沒有這一步,我加了以後纔可以找到Makefile
- make //有makefile纔可以用
- make check
- sudo make install
安裝完成後,輸入protoc --version可以看到相應版本號。
重頭戲caffe
獲取caffe代碼,cd到合適文件夾
- git clone https://github.com/BVLC/caffe.git
開始編譯
- cd caffe
- mkdir build
- cd build/
- cmake .. //一般這一步會有一大堆問題出現,不要想着用make命令,因爲make已經不支持C++11了,除非你能改出問題的頭文件代碼
我在cmake過程中出現的問題我都放在後面了,可以自己去看。如果成功,可以看到:
- – Configuring done
- – Generating done
- – Build files have been written to: /Users/admin/caffe/build
上述表格中Python的interpreter、libraries、numpy的位置應該保持一致,“ /Users/admin/anaconda2/envs/py27”說明都是py27所指的python。
修改配置文件
CMakeCache.txt
- set(Caffe_CPU_ONLY OFF) 替換成 set(Caffe_CPU_ONLY ON)
CaffeConfig.cmake
- CMAKE_CXX_FLAGS:STRING= 替換成 CMAKE_CXX_FLAGS:STRING=-std=c++11
- CPU_ONLY:BOOL=OFF 替換成 CPU_ONLY:BOOL=ON
- USE_LEVELDB:BOOL=ON //如果leveldb報錯,可以試着改成OFF
修改完成後,繼續編譯caffe
- make all
下面是成功標誌:
- [100%] Linking CXX shared library …/lib/_caffe.dylib
- Creating symlink /Users/admin/caffe/python/caffe/_caffe.so -> /Users/admin/caffe/build/lib/_caffe.so
- [100%] Built target pycaffe
繼續,一般這兩步不會出現問題:
- make install
- make runtest
- make pycaffe
最後改驗證caffe是否安裝成功了:
- source activate py27
- python -c "import caffe" //這一步很容易出問題,一般是模塊缺失,我在下面列舉了一下,百度一般也能解決。
如果提示 ImportError: No module named caffe,那還需要進一步將caffe中的python導入到解釋器中,將環境變量放到配置文件裏即可。
- vim ~/.bash_profile
- //在文件中加入配置信息 export PYTHONPATH=~/caffe/python:$PYTHONPATH
- //關閉文件,輸入下述命令,讓環境變量生效 ,或者重啓
- source ~/.bash_profile
再次輸入python -c "import caffe"若沒出現任何錯誤提示,說明成功了,恭喜你!
使用anaconda的jupyter
打開anaconda-navigater,找到你之前配置的環境名字。
然後安裝jupyter
之後就可以從這裏進入了
或者你可以在py27環境裏用sudo pip install jupyter-notebook安裝,使用jupyter notebook命令進入
進去之後新建個Python文件,用import caffe試試,若不報錯,恭喜,萬里長征第一步結束了!繁重的caffe學習開始了!
一些錯誤彙總
error1:你可能會找不到vecLib.framewor,我幫你找好了
- //vecLib include directory
- vecLib_INCLUDE_DIR:PATH=/Library/Developer/CommandLineTools/SDKs/MacOSX.sdk/System/Library/Frameworks/Accelerate.framework/Versions/A/Frameworks/vecLib.framework/Versions/A/Headers
errer2:
- The dependency target "pycaffe" of target "pytest" does not exist !
網上各種病因千奇百怪,解決方法也很多,我的原因是boost安裝了兩個版本,刪除一個就好了。
error3:
- ImportError: No module named skimage.io
找不到模塊,安裝嘍
- sudo pip install 'networkx==2.2' //注意此時我用的Python2.7,如果你版本不一樣或許可以跳過這一步
- sudo pip install -U scikit-image
error4:
- ImportError: No module named google.protobuf.internal
解決方法
-
sudo pip install google
- sudo pip install protobuf
其他注意事項:
使用Cmake命令注意實在build文件夾下,Make命令是在build上級目錄。若使用Cmake,最後一步需要make all,也是在build下。(因爲有兩個makefile文件,所以提醒一下)
本文參考了以下文章:
Mac安裝CPU-only Caffe :https://blog.csdn.net/qq_38712865/article/details/89267439
深度學習框架Caffe在Mac上的安裝和測試 :https://www.linuxidc.com/Linux/2016-06/132548.htm