ubuntu下深度学习框架caffe的安装(cpu模式下)
2017-05-22 16:24
489 查看
参考链接:
1、http://m.blog.csdn.net/article/details?id=51803797
2、http://www.cnblogs.com/nowornever-L/p/5649078.html
3、http://www.th7.cn/system/lin/201606/168959.shtml
Linux上安装Matlab2014A
4、http://www.linuxidc.com/Linux/2016-09/135034.htm
Ubuntu 16.04上安装Caffe(CPU
only)
5、http://blog.csdn.net/ture_dream/article/details/52680399
Linux 怎么删除matlab
6、http://www.cnblogs.com/xuanxufeng/p/6016945.html
安装开发所需要的一些基本的包,
sudo apt-get install build-essential
如果不可行,则可以执行:
sudo apt-get update
2.安装【BLAS】
BLAS有三类,默认的是ATLAS,其余两种是MKL和OpenBlas,我一开始安装的OpenBlas,但是后面安装不正确导致caffe部分出错,因此后来是安装的ATLAS,如果要求不高,建议安装ATLAS,方便和安装简单。
sudo apt-get install libatlas-base-dev
注意,这里的选择在后面caffe的配置文件中会需要配置。如果换过,也要记得后面的配置需要修改。
3.安装【OpenCV】
gitclonehttps://github.com/jayrambhia/Install-OpenCV
安装【2.4.9】
下载之后,进行解压,然后进入下面目录:
cd Install-OpenCV/Ubuntu/2.4/
给当前目录下的所有sh文件添加可执行权限:
chmod +x *.sh
安装OpenCV2.4.9:
sudo ./opencv2_4_9.sh
(注意:在我的经验下,至少到目前为止,opencv使用的很少,不过还是建议安装,因为本人学的是基于深度学习的图像语义分割这块,因此后续的分割方法实现过程会用到opencv)
4.安装【dependencies】
任意路径下可执行
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-devlibopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-devlibgoogle-glog-dev liblmdb-dev protobuf-compiler
5.安装【matlab】
1. 首先下载matlab2014a,http://pan.baidu.com/s/1pJGF5ov[Matlab2014a(密码:en52)。该文件下载解压后如下所示:
一共三个文件:Crack,MATHWORKS_R2014A.part1.rar,MATHWORKS_R2014A.part2.rar
sudo apt-get install unrar
unrar e MATHWORKS_R2014A.part1.rar
然后会得到一个MATHWORKS_R2014A.iso文件
直接提取解压就行,右键extracted here即可得到一个文件MATHWORKS_R2014A,这种是最快的方法。可能你也会在其他博客看到其他方法,但是还是没有这个好。
2.安装
切换到MATHWORKS_R2014A文件夹下
sudo ./inatall
3. 选择"installmanually without using the internet"项进行安装
4. 输入"fileinstallationkey":12345-67890-12345-67890(随便都行)。激活用Crack/license_405329_R2014a.lic.
5. 将Crack/Liunx/libmwservices.so复制到/usr/local/MATLAB/R2014a/bin/glnxa64中:
$ sudo cplibmwservices.so/usr/local/MATLAB/R2014a/bin/glnxa64/libmwservices.so
6. 安装完成。在命令行启动即可...
6.配置和编译【Caffe】
接下来就可以进行配置了。
当然,首先是下载Caffe,可以从官网上给出的链接下载:https://github.com/BVLC/caffe按照之前相同的方法解压(或者git)之后,进入到caffe目录,然后复制配置文件:
cd caffe
cp Makefile.config.example Makefile.config
接下来就是修改配置文件Makefile.config:
sudo vim Makefile.config
如果没有安装vim,可以先安装使用sudoapt-get
install vim(关于vi的使用,这里不赘述了)
(如果权限不足,可以先修改文件的权限:
chmodg +w Makefile.config
主要修改的部分为:
1. 将#CPU_ONLY
= 1前面的#去掉并按“tab”键,(默认从tab处执行),因为这里没有安装GPU,需要使用CPU运行。
2.BLAS:=atlas,这是默认设置,如果不是安装的这个,则需要修改。具体修改,该语句上面有注释提示。
3.设置MATLAB_DIR的路径:如我的是/usr/local/MATLAB/R2014a
设置完成后,则开始编译过程:
主要过程为:
sudo make all -j4
sudo make test
sudo make runtest
这里,需要注意的是,sudo必须加上,不然中间会报错....PermissionDenied...。另外,第一句中的j后面的数字是可以根据自己的机器的内核数改变,数字越大则表示可以多线程编译,则相应的速度会快(在这个过程可能会出现一些问题,不用担心,出现什么问题只需将问题复制然后谷歌或者百度即可)
1、http://m.blog.csdn.net/article/details?id=51803797
Ubuntu 14.04 + Caffe配置记录(CPU模式,无GPU,无Cuda)
2、http://www.cnblogs.com/nowornever-L/p/5649078.html
Ubuntu14.04安装Matlab2014a
3、http://www.th7.cn/system/lin/201606/168959.shtml Linux上安装Matlab2014A
4、http://www.linuxidc.com/Linux/2016-09/135034.htm
Ubuntu 16.04上安装Caffe(CPU
only)
5、http://blog.csdn.net/ture_dream/article/details/52680399
Linux 怎么删除matlab
6、http://www.cnblogs.com/xuanxufeng/p/6016945.html
Ubuntu14.04搭建Caffe(仅CPU)
1.安装【build-essentials】安装开发所需要的一些基本的包,
sudo apt-get install build-essential
如果不可行,则可以执行:
sudo apt-get update
2.安装【BLAS】
BLAS有三类,默认的是ATLAS,其余两种是MKL和OpenBlas,我一开始安装的OpenBlas,但是后面安装不正确导致caffe部分出错,因此后来是安装的ATLAS,如果要求不高,建议安装ATLAS,方便和安装简单。
sudo apt-get install libatlas-base-dev
注意,这里的选择在后面caffe的配置文件中会需要配置。如果换过,也要记得后面的配置需要修改。
3.安装【OpenCV】
gitclonehttps://github.com/jayrambhia/Install-OpenCV
安装【2.4.9】
下载之后,进行解压,然后进入下面目录:
cd Install-OpenCV/Ubuntu/2.4/
给当前目录下的所有sh文件添加可执行权限:
chmod +x *.sh
安装OpenCV2.4.9:
sudo ./opencv2_4_9.sh
(注意:在我的经验下,至少到目前为止,opencv使用的很少,不过还是建议安装,因为本人学的是基于深度学习的图像语义分割这块,因此后续的分割方法实现过程会用到opencv)
4.安装【dependencies】
任意路径下可执行
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-devlibopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-devlibgoogle-glog-dev liblmdb-dev protobuf-compiler
5.安装【matlab】
1. 首先下载matlab2014a,http://pan.baidu.com/s/1pJGF5ov[Matlab2014a(密码:en52)。该文件下载解压后如下所示:
一共三个文件:Crack,MATHWORKS_R2014A.part1.rar,MATHWORKS_R2014A.part2.rar
sudo apt-get install unrar
unrar e MATHWORKS_R2014A.part1.rar
然后会得到一个MATHWORKS_R2014A.iso文件
直接提取解压就行,右键extracted here即可得到一个文件MATHWORKS_R2014A,这种是最快的方法。可能你也会在其他博客看到其他方法,但是还是没有这个好。
2.安装
切换到MATHWORKS_R2014A文件夹下
sudo ./inatall
3. 选择"installmanually without using the internet"项进行安装
4. 输入"fileinstallationkey":12345-67890-12345-67890(随便都行)。激活用Crack/license_405329_R2014a.lic.
5. 将Crack/Liunx/libmwservices.so复制到/usr/local/MATLAB/R2014a/bin/glnxa64中:
$ sudo cplibmwservices.so/usr/local/MATLAB/R2014a/bin/glnxa64/libmwservices.so
6. 安装完成。在命令行启动即可...
6.配置和编译【Caffe】
接下来就可以进行配置了。
当然,首先是下载Caffe,可以从官网上给出的链接下载:https://github.com/BVLC/caffe按照之前相同的方法解压(或者git)之后,进入到caffe目录,然后复制配置文件:
cd caffe
cp Makefile.config.example Makefile.config
接下来就是修改配置文件Makefile.config:
sudo vim Makefile.config
如果没有安装vim,可以先安装使用sudoapt-get
install vim(关于vi的使用,这里不赘述了)
(如果权限不足,可以先修改文件的权限:
chmodg +w Makefile.config
主要修改的部分为:
1. 将#CPU_ONLY
= 1前面的#去掉并按“tab”键,(默认从tab处执行),因为这里没有安装GPU,需要使用CPU运行。
2.BLAS:=atlas,这是默认设置,如果不是安装的这个,则需要修改。具体修改,该语句上面有注释提示。
3.设置MATLAB_DIR的路径:如我的是/usr/local/MATLAB/R2014a
设置完成后,则开始编译过程:
主要过程为:
sudo make all -j4
sudo make test
sudo make runtest
这里,需要注意的是,sudo必须加上,不然中间会报错....PermissionDenied...。另外,第一句中的j后面的数字是可以根据自己的机器的内核数改变,数字越大则表示可以多线程编译,则相应的速度会快(在这个过程可能会出现一些问题,不用担心,出现什么问题只需将问题复制然后谷歌或者百度即可)
相关文章推荐
- 深度学习Caffe平台安装——Ubuntu安装CPU模式的caffe
- 深度学习Caffe平台安装——Ubuntu安装CPU模式的caffe
- 深度学习之Ubuntu下安装caffe和TensorFlow的cpu版本
- Caffe深度学习框架安装(Ubuntu14.04+cuda8.0)
- 深度学习文章1:Caffe安装教程:Ubuntu16.04(CPU)
- 零错误安装基于ubuntu14.04LTS的CUP版本深度学习框架Caffe
- Ubuntu 64bit下手动安装深度学习包Caffe记录(CPU)
- 深度学习之Ubuntu下安装caffe和TensorFlow的cpu版本
- Ubuntu16.04安装深度学习框架caffe详细步骤讲解
- linux(ubuntu)下安装深度学习框架caffe
- linux(ubuntu)下安装深度学习框架caffe
- linux(ubuntu)下安装深度学习框架caffe
- ubuntu16.04下安装配置深度学习环境(Ubuntu 16.04/16.10+ cuda7.5/8+cudnn4/5+caffe)
- Mac下安装caffe深度学习框架
- 百度开源深度学习框架PaddlePaddle安装配置(单机CPU版)
- Ubuntu16.04 +Caffe CPU/GPU 深度学习环境
- 开源深度学习框架Caffe在Ubuntu14.04下的搭建
- 深度学习笔记1 ——Ubuntu16.04下caffe环境的配置(仅CPU)
- 深度学习框架caffe及py-faster-rcnn详细配置安装过程
- 安装 Caffe , Berkely的深度学习框架