ubuntu 14.04上配置无GPU的Caffe(A卡机适用)
2015-03-03 03:17
1071 查看
Notice:这篇配置文档在ubuntu14.04(假设是新安装的系统),目的是在cpu上运行Caffe,所以跳过,nvidia驱动等安装过程。Caffe是可以在没有nvidia
gpu的环境下train和predict的。
1.安装build-essential,都是一些开发基本必须的软件包。
:sudo
apt-get install build-essential
2.安装数学矩阵计算包ATLAS,这里还有MKL和OpenBLAS可选,但ATLAS安装最为简便
:sudo
apt-get install libatlas-base-dev
3.安装CUDA和MATLAB
(1)复制以下链接到浏览器
developer.download.nvidia.com/compute/cuda/6_5/rel/installers/cuda_6.5.14_linux_64.run
下载run文件
(2)将下载得到的.run文件解压成三个文件,
分别为
CUDA安装包:
cuda-linux64-rel-6.5.14-18749181.run
NVIDIA驱动:
NVIDIA-Linux-x86_64-340.29.run
SAMPLE包:
cuda-samples-linux-6.5.14-18745345.run
(3)通过下列命令安装CUDA,
按照说明一步一步安装至完成.
sudo
./cuda-linux64-rel-6.5.14-18749181.run
(4)
添加环境变量
安装完成后需要在/etc/profile中添加环境变量,
在文件最后添加:
PATH=/usr/local/cuda-6.5/bin:$PATH
export PATH
保存后,
执行下列命令, 使环境变量立即生效
source
/etc/profile
(5)添加lib库路径
在
/etc/ld.so.conf.d/加入文件 cuda.conf, 内容如下
/usr/local/cuda-6.5/lib64
执行下列命令使之立刻生效
sudo
ldconfig
MATLAB
,自行安装,默认路径就好。
4.安装opencv
这个尽量不要手动安装,
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,进入Ubuntu/2.4
目录, 给所有shell脚本加上可执行权限
chmod
+x *.sh
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。整个过程大概半小时左右。
注意,中途可能会报错
opencv-2.4.9/modules/gpu/src/nvidia/core/NCVPixelOperations.hpp(51):
error: a storage class is not allowed in
an explicit specialization
解决方法在此:http://code.opencv.org/issues/3814
下载 NCVPixelOperations.hpp
替换掉opencv2.4.9内的文件, 重新build。
5.安装其他依赖包
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
确保全部安装成功,都是必须的。
6.安装python环境,即使你用matlab运行caffe,因为caffe的计算需要调用python代码。
sudo
apt-get install python-dev python-pip
7.下载并编译Caffe
从 http://caffe.berkeleyvision.org/installation.html 下载Caffe包,caffe-master.zip
解压到当前文件夹
unzip caffe-master.zip
进入caffe文件夹
cd ./caffe-master
通过cp生成Makefile
cp Makefile.config.example Makefile.config
修改Makefile.config
(1)去除注释CPU_ONLY
:= 1
c65e
(2)修改对应的prefix,blas,matlab_dir,python_include,cuda_dir,默认的是不用改的,
除非你 安装的时候改了安装路径。
完成所有设置后,开始编译
make
all -j4 运行结果如下:
make test
运行结果如下:
make runtest 运行结果如下:
-j4
是开启cpu的4个线程同时编译,加快速度
8.
安装好了测试是否可以跑demo。
主要参考官网的
Training MNIST with Caffe
$CAFFE_ROOT/data/mnist
./get_mnist.sh
cd $CAFFE_ROOT/examples/lenet
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
./create_mnist.sh
运行完上述命令后,应该会得到两个数据集,mnist-train-leveldb/,
和 mnist-test-leveldb/.
最终的model,
#
solver mode: 0 for CPU and 1 for GP
solver_mode:
0
经过一段时间运行,训练完成!最终的model,会存为一个二进制的protobuf文件,lenet_iter_10000.
感谢参考文献的作者:
1.http://caffe.berkeleyvision.org/installation.html
2.http://www.cnblogs.com/platero/p/3993877.html
3.http://cn.soulmachine.me/blog/20140403/
后记:在安装过程中,因为个人电脑,系统的差异,难免出现问题。这个时候google,基本都有现成的解决方案在上面,当然基本都是英文,以github
caffe讨论区和stack overflow为主。
gpu的环境下train和predict的。
1.安装build-essential,都是一些开发基本必须的软件包。
:sudo
apt-get install build-essential
2.安装数学矩阵计算包ATLAS,这里还有MKL和OpenBLAS可选,但ATLAS安装最为简便
:sudo
apt-get install libatlas-base-dev
3.安装CUDA和MATLAB
(1)复制以下链接到浏览器
developer.download.nvidia.com/compute/cuda/6_5/rel/installers/cuda_6.5.14_linux_64.run
下载run文件
(2)将下载得到的.run文件解压成三个文件,
分别为
CUDA安装包:
cuda-linux64-rel-6.5.14-18749181.run
NVIDIA驱动:
NVIDIA-Linux-x86_64-340.29.run
SAMPLE包:
cuda-samples-linux-6.5.14-18745345.run
(3)通过下列命令安装CUDA,
按照说明一步一步安装至完成.
sudo
./cuda-linux64-rel-6.5.14-18749181.run
(4)
添加环境变量
安装完成后需要在/etc/profile中添加环境变量,
在文件最后添加:
PATH=/usr/local/cuda-6.5/bin:$PATH
export PATH
保存后,
执行下列命令, 使环境变量立即生效
source
/etc/profile
(5)添加lib库路径
在
/etc/ld.so.conf.d/加入文件 cuda.conf, 内容如下
/usr/local/cuda-6.5/lib64
执行下列命令使之立刻生效
sudo
ldconfig
MATLAB
,自行安装,默认路径就好。
4.安装opencv
这个尽量不要手动安装,
Github上有人已经写好了完整的安装脚本:https://github.com/jayrambhia/Install-OpenCV
下载该脚本,进入Ubuntu/2.4
目录, 给所有shell脚本加上可执行权限
chmod
+x *.sh
然后安装最新版本
(当前为2.4.9)
sudo
./opencv2_4_9.sh
脚本会自动安装依赖项,下载安装包,编译并安装OpenCV。整个过程大概半小时左右。
注意,中途可能会报错
opencv-2.4.9/modules/gpu/src/nvidia/core/NCVPixelOperations.hpp(51):
error: a storage class is not allowed in
an explicit specialization
解决方法在此:http://code.opencv.org/issues/3814
下载 NCVPixelOperations.hpp
替换掉opencv2.4.9内的文件, 重新build。
5.安装其他依赖包
sudo
apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler
确保全部安装成功,都是必须的。
6.安装python环境,即使你用matlab运行caffe,因为caffe的计算需要调用python代码。
sudo
apt-get install python-dev python-pip
7.下载并编译Caffe
从 http://caffe.berkeleyvision.org/installation.html 下载Caffe包,caffe-master.zip
解压到当前文件夹
unzip caffe-master.zip
进入caffe文件夹
cd ./caffe-master
通过cp生成Makefile
cp Makefile.config.example Makefile.config
修改Makefile.config
(1)去除注释CPU_ONLY
:= 1
c65e
(2)修改对应的prefix,blas,matlab_dir,python_include,cuda_dir,默认的是不用改的,
除非你 安装的时候改了安装路径。
完成所有设置后,开始编译
make
all -j4 运行结果如下:
make test
运行结果如下:
make runtest 运行结果如下:
-j4
是开启cpu的4个线程同时编译,加快速度
8.
安装好了测试是否可以跑demo。
主要参考官网的
Training MNIST with Caffe
下载数据集
cd$CAFFE_ROOT/data/mnist
./get_mnist.sh
cd $CAFFE_ROOT/examples/lenet
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
./create_mnist.sh
运行完上述命令后,应该会得到两个数据集,mnist-train-leveldb/,
和 mnist-test-leveldb/.
最终的model,
切换到CPU模式
由于服务器没有安装显卡,只能使用CPU训练。切换到CPU模式非常简单,只需要在lenet_solver.prototxt中修改一行:#
solver mode: 0 for CPU and 1 for GP
solver_mode:
0
开始训练
./train_lenet.sh经过一段时间运行,训练完成!最终的model,会存为一个二进制的protobuf文件,lenet_iter_10000.
感谢参考文献的作者:
1.http://caffe.berkeleyvision.org/installation.html
2.http://www.cnblogs.com/platero/p/3993877.html
3.http://cn.soulmachine.me/blog/20140403/
后记:在安装过程中,因为个人电脑,系统的差异,难免出现问题。这个时候google,基本都有现成的解决方案在上面,当然基本都是英文,以github
caffe讨论区和stack overflow为主。
相关文章推荐
- Ubuntu14.04上配置caffe经验总结(含GPU)
- linux(ubuntu14.04)+GPU+cuda6.5+caffe+openCV2.4.9+matlab2014a+python的新手配置
- Ubuntu 14.04 caffe 无GPU安装配置
- caffe-ubuntu14.04+64bit环境配置说明(GPU下运行)
- Ubuntu16.04 14.04安装配置Caffe(GPU版)
- [转][linux(ubuntu14.04)+GPU+cuda6.5+caffe+openCV2.4.9+matlab2013b+python2.7的新手配置转]
- Ubuntu 14.04 + Caffe + Cuda8.0 +Python2.7(GPU版)安装配置教程(傻瓜式)
- Caffe + Ubuntu 14.04 64bit + CUDA6.5 + 无GPU 配置
- linux(ubuntu14.04)+GPU+cuda6.5+caffe+openCV2.4.9+matlab2014a+python的新手配置(修改版)
- Ubuntu14.04上配置caffe经验总结(含GPU)
- linux(ubuntu14.04)+GPU+cuda6.5+caffe
- 坑爹的Caffe + Ubuntu14.04 + NVIDIA 环境配置
- cuda7.0 + caffe + ubuntu14.04(笔记本) 配置过程
- Ubuntu14.04+CUDA7.0+Opencv3.0+Caffe 配置
- Ubuntu 14.04 64位机上不带CUDA支持的Caffe配置编译操作过程
- Ubuntu14.04 安装Caffe(GPU)
- 2015.08.17 Ubuntu 14.04+cuda 7.0+caffe安装配置
- 喝一杯咖啡真难——我的caffe在ubuntu14.04下安装配置,改错,换包记录
- Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置说明
- 笔记本+Ubuntu14.04+cuda6.5+caffe的配置详解