欢迎来到天天文库
浏览记录
ID:8834655
大小:362.31 KB
页数:7页
时间:2018-04-09
《深度学习框架caffe的学习》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库。
1、深度学习框架caffe的了解摘要:caffe是贾扬清开发的一个清晰,可读性高,快速的深度学习开源框架,目前已经的到了广泛的应用。本人基于Ubuntu14.0464bit操作系统、caffe框架以及一些依赖软件,对caffe安装以及使用进行了成功实验。本文就实验的整个实验过程以及实验结果进行描述。关键词:caffe、深度学习、开源框架1 caffe的安装尽管caffe目前取得了较为广泛的应用,但其运行环境搭建对于初学者来说仍然是一个复杂繁琐的过程。此部分将详细描述caffe在单机安装的整个过程,并附上相关图片。1.1 硬件配置及操作系统本实验用的电脑为普通个人
2、电脑,硬件配置参数为:Intel(R)Core(TM)i5-3230MCPU@2.60GHz4GBRAM。操作系统采用官网推荐的操作系统Ubuntu14.04,安装磁盘空间为100GB。1.2 安装依赖软件依赖库安装。caffe的依赖软件包括一些使用到的函数库,包括libprotobuf-devlibleveldb-devlibsnappy-devlibopencv-devlibhdf5-serial-devprotobuf-compilerlibboost-all-dev。其中boost库的版本需要安装v1.55或以上版本。可在控制台运行如下命令进行安装:
3、sudoapt-getinstalllibprotobuf-devlibleveldb-devlibsnappy-devlibopencv-devlibboost-all-devlibhdf5-serial-dev工具安装。其次是安装一些必要工具,包括git、cmake,采用如下命令安装:sudoapt-getinstallcmakegitgoogle-glog安装。google-glog根据官方提供的方法可以直接运行如下命令进行安装,但由于网络限制,采用官方给定的方式将不能下载google-glog。本实验在其它网站下载google-glog的压缩包glo
4、g-0.3.3.tar.gz之后进行安装的。gflags的安装方式类似,以下是安装需要用到的命令。#glogtarzxvfglog-0.3.3.tar.gzcdglog-0.3.3./configuremake&&makeinstall#gflagsunzipmaster.zipcdgflags-mastermkdirbuild&&cdbuildexportCXXFLAGS="-fPIC"&&cmake..&&makeVERBOSE=1make&&makeinstalllmdb的安装。caffe最初支持leveldb和lmdb两种数据格式的文件,但由于lmd
5、b的读取速度要比levaldb的读取速度快1.5倍,caffe后来的版本仅仅支持lmdb数据格式的文件。lmdb存储引擎是一个开源的工具,可采用git在github上直接下载安装。#lmdbgitclonehttps://github.com/LMDB/lmdbcdlmdb/libraries/liblmdbmake&&makeinstall安装Atlas。Atlas是一个免费的矩阵函数库,可用付费的IntelMKL代替。sudoapt-getinstalllibatlas-base-dev到此为止相关依赖工具的安装已经完成,次部分工具的安装比较简单,基本不
6、会出现安装错误。1.3 安装OpenCVOPenCV在各个平台的安装配置都比较麻烦,为简化操作,提高安装成功的概率,本实验采用脚本进行安装。安装脚本可通过git在github下载。下载命令如下:gitclonegit@github.com:bearpaw/Install-OpenCV.git下载完成之后进入文件夹(如图1.1),可以找到多个版本的安装脚本,本实验采用的时2.4.10版本,运行命令./opencv2_4_10.sh进行安装。若脚本不可执行(.sh文件的颜色非绿色),需要执行chmod+x*.sh赋予这些.sh文件可执行权限。图1.1以上是caf
7、fe安装的整个过程,本人曾尝试安装GPU驱动,但未能安装成功,在此不再叙述,下面数据集的训练采用的时CPU,未使用GPU。1.4 caffe安装caffe压缩包直接通过git下载,gitclonegit@github.com:BVLC/caffe.git,下载完成之后进入caffe主目录,执行以下命令编译caffe。其中后面的j4参数表示用4个线程进行编译,可加快编译速度。makeall-j4maketestmakeruntest编译完成之后会给出如下提示信息(图2.1),此时即可使用caffe训练数据集。图1.22 mnist数据集的训练根据官方文档,在训
8、练模型之前需要将训练的图片转化为lmdb格式的数据集
此文档下载收益归作者所有