深度学习篇——Ubuntu16.04系统下部署caffe（CPU_ONLY）

    随着硬件技术的发展，深度学习这一需要大规模计算的人工智能领域引起了越来越多的人的关注，目前深度学习框架已经有很多，主要有caffe、caffe、MxNet、CNTK、TensorFow等。在此介绍的是caffe的安装与测试，本次安装流程介绍是对本人实际安装流程的记录，可能根据不同的软硬件环境的配置不同会有不同的问题出现，本次安装的基本环境为：

    硬件：Dell OptiPlex 7040

    软件：Ubuntu 16.04

          python 2.7 （系统自带版本，未使用Anaconda）

1 安装依赖库

    如果你的电脑是新安装的Ubuntu系统，请首先通过apt-get命令安装git工具。git工具的详细使用说明可以通过百度或者谷歌搜索来进行学习。如果我们是初学者，那么仅仅先使用caffe的CPU——ONLY模式来进行编译安装，并在此基础上对caffe的一些基本的使用方法进行学习，在我们可以顺利使用时，可以使用cuda和cudnn来进行运行加速，达到更高的效率提升，在此我们使用CPU_ONLY模式进行caffe的安装与测试。

    1.安装caffe运行依赖库

    安装caffe依赖库可以使用当前用户登录权限也可以使用sudosu 命令来改变当前用户的权限，以此来进行安装。caffe运行时需要的依赖库总共有11个，其中包括libprotobuf、libleveldb、libsnappy、libopencv、libhdf5-serial、protobuf-compiler、libflags、libgoogle-glog、liblmdb、libatlas、libboost。其中红色字体的这个依赖包是我们在后面编译安装caffe时可能会出错的地方。运行以下命令安装caffe依赖库：

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

    在此将每个库的安装命令分开来，是为了保证每个库的按安装都是否成功能够较为清晰的观察和处理，可以使用一条apt-get命令安装多个依赖库。

2 安装caffe

    2.1 安装准备工作

    首先需要下载caffe工程源码，源码的获得方式可以采用git命令或者直接从百度云盘下载（链接：http://pan.baidu.com/s/1qY2rAck密码：g7o2）如果采用git命令来进行下载，可以首先选择一个存放该工程文件的文件夹，并使用cd命令切换到该目录下，在此使用home下的新建文件夹software文件。在此使用git命令来获取caffe源码：

git clonehttp://github.com/bvlc/caffe.git

    下载完成之后使用cd命令切换到caffe文件夹，在进行caffe工程编译之前我们需要进行Makefile.config文件的配置修改操作。在原始的caffe工程中并没有Makefile.config文件，而是有一个名为Makefile.config.example的文件，我们使用如下命令将其拷贝一份。

cp Makefile.config.exampleMakefile.config

    然后使用vi编辑器来对Makefile.config文件进行修改，在该文件中我们只需要修改3处即可，使用该配置能够完成初期学习的基本需要。





    INCLUDE_DIRS和LIBRARY_DIRS处增加代码为：

INCLUDE_DIRS :=$(PYTHON_INCLUDE)/usr/local/include

/usr/include/hdf5/serial

LIBRARY_DIRS := $(PYTHON_LIB)/usr/local/lib/usr/lib

/usr/lib/x86_64-linux-gnu/hdf5/serial

    加粗部分增加的原因是由于hdf5软件库升级的原因，调整了原有文件的层级结构，因此导致安装完成之后文件所在目录发生改变，在此，我们增加上相关的头文件和源文件所在目录即可。

    切换目录到caffe/python目录下,然后执行以下指令安装python处理数据所使用的库。

for req in $(cat requirements.txt); do pip install $req; done

2.2 caffe的安装与编译

    一切准备工作完毕，我们终于可以开始编译安装caffe工程了！在编译时，使用caffe和caffe的python接口同时编译的方式来进行。输入以下指令执行编译操作：

make -j8 && make pycaffe 或者 make all && make pycaffe

    如果在编译过程中没有其他的错误出现，那么恭喜你，现在离成功已经不远啦。接下来就是编译test文件，使用如下指令：

make test

    执行完指令之后，显示如下界面。



    接下来就是执行runtest指令，来测试caffe工程的安装结果，如果你看到PASS出现，那么恭喜你，caffe工程已经安装配置成功了。



2.3设置caffe的python接口

    使用Ctrl+Alt+T新建terminal窗口，在此可以首先使用cd指令切换到caffe/python目录下，输入python后回车，然后输入以下指令测试caffe的python接口是否已经可以使用。

import caffe

    如果整个过程没有提示no model named caffe的话，那么caffe的python接口就已经可以使用了。



    但是importcaffe这条指令只能在$CAFFEROOT/caffe/python​目录下使用，如果想要在任意目录都可以使用import caffe指令，那么需要将caffe的python路径添加到系统的环境变量中，我个人不喜欢使用这样的方法，所以就没添加。具体添加方法可以参考其他博文。