一.安装build-essentials
1.基本库安装<pre name="code" class="html"><span style="font-family: Arial, Helvetica, sans-serif;">sudo apt-get install libprotobuf-devlibleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev</span>
2.其他库安装
# glogwgethttps://google-glog.googlecode.com/files/glog-0.3.3.tar.gztar zxvf glog-0.3.3.tar.gzcd glog-0.3.3./configuremake && make install<pre name="code" class="html"># gflagswgethttps://github.com/schuhschuh/gflags/archive/master.zipunzip master.zipcd gflags-mastermkdir build && cd buildexport CXXFLAGS="-fPIC"&& cmake .. && make VERBOSE=1make && make install
<pre name="code" class="html"># lmdb#git clone git://gitorious.org/mdb/mdb.git(注:git clone时出错,因此换为下面方式获取)wgethttps://github.com/wizawu/lmdb/archive/lmdb.master.zipunziplmdb.master.zipcd lmdb.master/libraries/liblmdbmake && make install
注: 安装完成后需要为lmdb添加library路径
1.sudo gedit/etc/ld.so.conf.d/lmdb.conf
2.在文件中添加内容
/usr/local/lib
3.完成lib文件的链接操作,执行:
sudo ldconfig -v
二.安装NVIDIA驱动 (3.4.0)和CUDA 5.5
请按照我的博客《Ubuntu12.04 安装 cuda5.5》安装
三.安装Intel MKL
1.安装BLAS,这里可以选择(ATLAS,MKL或者OpenBLAS),我这里使用MKL,首先下载并安装英特尔 数学内核库 Linux* 版MKL,下载地址,可以下载Student版的,先申请,然后会立马收到一个邮件(里面有安装序列号),打开照着下载就行了。下载完之后,要把文件解压到它是保存在home/username
接下来是安装过程,先授权,然后安装:
$ tar zxvfcpp_studio_xe_2013_sp1_update3.tar.gz (如果你是直接拷贝压缩文件过来的)$ chmod a+x/home/username/cpp_studio_xe_2013_sp1_update3 -R$ sudo ./install_GUI.sh
安装的时候,可以安装到root权限下,或者sudo权限,我是装在root权限下,避免麻烦,这时就必须确保已经为root设置过密码了,然后会让你输入你申请的时候发给你的序列号。没设置的话,执行:
$ sudo passwd root
2.MKL与CUDA的环境设置
进行如下操作
1. 新建intel_mkl.conf,使用如下命令:
$sudo gedit/etc/ld.so.conf.d/intel_mkl.conf
添加如下内容并保存
/opt/intel/lib/intel64
/opt/intel/mkl/lib/intel64
2. 新建cuda.conf,使用如下命令::
$sudo gedit /etc/ld.so.conf.d/cuda.conf
添加如下内容并保存
/usr/local/cuda/lib64
/lib
3. 完成lib文件的链接操作,执行:
<pre name="code" class="html">$<span style="font-family: Arial, Helvetica, sans-serif;"> sudo ldconfig -v</span>
四.安装OpenCV
使用Github上写好的完整的安装脚本:下载地址
下载该脚本,进入Ubuntu/2.4 目录
然后安装最新版本(当前为2.4.9)
sudo ./opencv2_4_9.sh
脚本会自动安装依赖项,下载安装包,编译并安装OpenCV。整个过程会比较漫长。
五.安装Caffe所需要的Python环境
见我的博客《Ubantu 12.04 安装theano +pylean2》
六.编译Caffe
1. 切换到Caffe的下载文件夹,然后执行:
$ cp Makefile.config.exampleMakefile.config
注:修改新生成的Makefile.config文件,修改“BLAS := mkl”,这个非常重要。
$ make all$ make test$ make runtest
我这步遇到一个问题是关于compute_50,只需注释掉Makefile.config中的compute_50部分,如下所示,出现这个错误的原因是CUDA5.5不支持compute_50
CUDA_ARCH := -gencodearch=compute_20,code=sm_20 \
-gencode arch=compute_20,code=sm_21 \
-gencode arch=compute_30,code=sm_30 \
-gencode arch=compute_35,code=sm_35 \
#-gencode arch=compute_50,code=sm_50 \
#-gencode arch=compute_50,code=compute_50
七.使用MNIST数据集进行测试
Caffe默认情况会安装在$CAFFE_ROOT,就是解压到那个目录,例如:$ home/username/caffe-master,所以下面的工作,默认已经切换到了该工作目录。下面的工作主要是,用于测试Caffe是否工作正常,不做详细评估。具体设置请参考官网
1. 数据预处理
可以用下载好的数据集,也可以重新下载,我网速快,,这里就偷懒直接下载了,具体操作如下:
<pre name="code" class="html">$ sudo sh data/mnist/ ./get_mnist.sh
2. 重建LDB文件,就是处理二进制数据集为Caffe识别的数据集,以后所有的数据,包括jpe文件都要处理成这个格式
$ sudo sh examples/mnist/./create_mnist.sh
生成mnist-train-leveldb/ 和 mnist-test-leveldb/文件夹,这里包含了LDB格式的数据集
3. 训练mnist
$ sudo sh examples/mnist/ ./train_lenet.sh
注意:新版的caffe必须在主目录下进行操作
引用:
[1].
[2].
[3].
莫找借口失败,只找理由成功。(不为失败找理由,要为成功找方法)