[转]caffe+Ubuntu14.0.4 64bit 环境配置说明(无CUDA,caffe在CPU下运行) --for --Amd

   caffe是一个简洁高效的深度学习框架，具体介绍能够看这里，caffe环境配置过程能够参考这里，我在搭建环境时搜集了许多资料，这里整理了一下，介绍一下caffe在无CUDA的环境下如何配置。

1. 安装build-essentials

安装开发所须要的一些基本包

 

sudo apt-get install build-essential

若是出现essential包不可用的状况，能够执行下列命令解决：

sudo apt-get update

2. 安装ATLAS for Ubuntu

执行命令:

 

sudo apt-get install libatlas-base-dev

注：ATLAS, MKL,或OpenBLAS均可以，我这里选择安装ATLAS

3. 安装OpenCV
这个尽可能不要手动安装， Github上有人已经写好了完整的安装脚本：https://github.com/jayrambhia/Install-OpenCV
下载该脚本，解压".zip"文件,解压命令:

 

unzip /home/joe/Install-OpenCV-master.zip

进入Ubuntu/2.4 目录, 给全部shell脚本加上可执行权限：

 

chmod +x *.sh

而后安装最新版本 （当前为2.4.9）：

 

sudo ./opencv2_4_9.sh

4. 安装其余依赖项

 

Ubuntu14.04用户执行

 

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler

使用其它系统的能够参考官网介绍。

5. 编译Caffe
完成了上述环境的配置，就能够编译Caffe了！
下载caffe安装包,下载地址:https://github.com/BVLC/caffe
解压该压缩包，解压缩命令:

 

unzip /home/joe/caffe-master.zip

注:若是解压位置出错了,可使用如下命令删除该目录及全部的子目录:

sudo rm -rf caffe-master

进入caffe根目录，首先复制一份Makefile.config，命令：

 

cp Makefile.config.example Makefile.config

而后修改里面的内容(Makefile.config)，主要须要修改的参数包括：

    CPU_ONLY 是否只使用CPU模式，因为我没有NVIDIA的显卡，就没有安装CUDA，所以须要打开这个选项。
其他的一些配置能够根据须要修改：
    BLAS (使用intel mkl仍是OpenBLAS)
    MATLAB_DIR 若是须要使用MATLAB wrapper的同窗须要指定matlab的安装路径, 如个人路径为 /usr/local/MATLAB/R2013b (注意该目录下须要包含bin文件夹，bin文件夹里应该包含mex二进制程序)

DEBUG 是否使用debug模式，打开此选项则能够在eclipse或者NSight中debug程序

完成上述设置后，开始编译：

 

1. make all -j4  

2. make test  

3. make runtest

注意：-j4 是指使用几个线程来同时编译，能够加快速度，j后面的数字能够根据CPU core的个数来决定，若是CPU是4核的，则参数为-j4，也能够不添加这个参数，直接使用“make all”，这样速度可能会慢一点儿。

6.使用MNIST数据集进行测试

    Caffe默认状况会安装在$CAFFE_ROOT，就是解压到的那个目录，例如：$ home/username/caffe-master，因此下面的工做，
默认已经切换到了该工做目录。下面的工做主要是测试Caffe是否工做正常，不作详细评估。具体设置请参考官网：
http://caffe.berkeleyvision.org/gathered/examples/mnist.html
    (1)数据预处理
    能够用下载好的数据集，也能够从新下载，直接下载的具体操做以下：

 

1. $ cd caff-master   (go caff home dir )

2. $ 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，之后全部的数据，包括jpe文件都要处理成这个格式，执行命令以下：

 

$ 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

注:新版caffe都须要从根目录上执行，若是使用下列命令执行：

 

1. # cd examples/ mnist 2. # sudo sh ./create_mnist.sh

可能会遇到这个错误：./create_mnist.sh: 16: ./create_mnist.sh: build/examples/mnist/convert_mnist_data.bin: not found

 

      (3)训练mnist
      若是没有GPU,只有CPU的话,须要先修改examples/mnist目录下lenet_solver.prototxt文件,将solver_mode:GPU改成 solver_mode:CPU，修改后结果以下所示：

 

1. # solver mode: CPU or GPU  

2. solver_mode: CPU

修改时可使用vi编辑命令，若是是只读文件，不能编辑，能够用sudo命令，好比:

 

sudo vi lenet_solver.prototxt

先进入命令模式，使用a进入编辑模式，修改完以后，使用esc退出编辑模式，进入末行模式，再使用“:wq”保存修改并退出(“:q!”为退出但不保存修改)
修改完成后，再执行下面的命令进行训练:

1. $ cd examples/mnist  

2. $ sudo sh ./train_lenet.sh

最终训练完的模型存储为一个二进制的protobuf文件，至此，Caffe安装的全部步骤完结。

 

 

----------------------------------------------------------------------------------

参考资料:

Caffe 实例测试一： MNIST
http://blog.sciencenet.cn/blog-1583812-843207.html

Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置说明
http://www.cnblogs.com/platero/p/3993877.html

CNN之Caffe配置
http://www.cnblogs.com/alfredtofu/p/3577241.html
 
Training LeNet on MNIST with Caffe
http://caffe.berkeleyvision.org/gathered/examples/mnist.html

Caffe+Ubuntu14.04+CUDA6.5新手安装配置指南
http://www.haodaima.net/art/2823705

caffe安装指南
http://www.haodaima.net/art/2823705

 

 

 

 参考连接：http://94it.net/a/jingxuanboke/2015/0322/493702.html

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

.