深度学习——被Intel caffe支配的恐惧(一)
2017-09-28 22:57
211 查看
一、Intel caffe在Ubuntu上的安装配置
1. 安装配置MKL-DNN我用的是CPU版本的caffe,安装配置MKL-DNN可以提高caffe训练的速度。英特尔MKL-DNN专为在英特尔架构上加快深度学习框架的速度而设计,包含高度矢量化和线程化的构建模块,支持利用C和C++接口实施卷积神经网络。
(1)安装关联组件
sudo apt install cmake sudo apt install doxygen
(2)下载并创建源代码
git clone https://github.com/01org/mkl-dnn.git[/code]
下载完成后,你会在你的Home目录下发现一个mkl-dnn目录。进入目录,并下载包含经过优化的一般矩阵乘法(GEMM)函数的库:cd mkl-dnn cd scripts ./prepare_mkl.sh cd ..
这个脚本创建了一个名为external的目录,然后下载并提取库文件至mkl-dnn/external/mklml_lnx*目录。
在mkl-dnn目录中执行吓一跳命令,通过命令创建了一个build子目录,并运行CMake和Make,以生成构建系统:mkdir -p build && cd build && cmake .. &&make
(3)验证构建make test
这个用时较长,反正我的电脑风扇呼呼的吹了好久的风,当看到100% tests passed,说明验证成功。
(4)库文档
获取英特尔MKL-DNN文档。cd ~/mkl-dnn/build make doc
(5)完成安装sudo make install
2. 安装opencv
(1)安装需要的第三方环境
opencv源码可以在我的百度网盘下载
链接:http://pan.baidu.com/s/1kVgikx5 密码:5v9isudo apt-get install build-essential sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
(2)使用cmake编译源码
把opencv的文件放在根目录下cd opencv/build cmake -D CMAKE_BUILD_TYPE=Rlease -D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib/modules/ -D CMAKE_INSTALL_PREFIX=/usr/local ..
(3)编译安装make -j7 && make install
这一步比较久~
3. caffe的配置安装
到此为止,caffe的先前准备工作已经全部over,现在开始装caffe啦~
(1)安装caffe需要的库
我用的是Ubuntu 14.04版本sudo apt-get update && sudo apt-get -y install build-essential git cmake && sudo apt-get -y install libprotobuf-dev libleveldb-dev libsnappy-dev && sudo apt-get -y install libhdf5-serial-dev protobuf-compiler && sudo apt-get -y install --no-install-recommends libboost-all-dev && sudo apt-get -y install libgflags-dev libgoogle-glog-dev liblmdb-dev && sudo apt-get -y install libatlas-base-dev
(2)安装mkl
可点击此处下载,下载前需要注册。
安装完成之后,配置环境echo 'source /opt/intel/bin/compilervars.sh intel64' >> ~/.bashrc
(3)克隆caffecd ~ git clone https://github.com/intel/caffe.git cd caffe echo "export CAFFE_ROOT='pwd'">>~/.vashrc source ~/.bashrc
(4)编辑Makefile.configcp Makefile.config.example Makefile.config vi Makefile.config
将Makefile.config中CPU_ONLY:=1注释去掉,并添加BLAS:=mkl BLAS_DIR:=/opt/intel/include BLAS_LIB:=/opt/intel/lib/intel64
(5)编译caffemkdir build cd build cmake -D CPU_ONLY=ON -D CMAKE_PREFIX_INSTALL=usr/local .. make all make install
(6)安装python相关组件sudo apt-get -y install gfortran python-dev python-pip cd ~/caffe/python for req in $(cat requirements.txt); do sudo pip install $req; done sudo pip install scikit-image sudo ln -s /usr/include/python2.7/ /usr/local/include/python2.7 sudo ln -s /usr/local/lib/python2.7/dist-packages/numpy/core/include/numpy/ \ /usr/local/include/python2.7/numpy cd ~/caffe make pycaffe -j NUM_THREADS echo "export PYTHONPATH=$CAFFE_ROOT/python" >> ~/.bashrc source ~/.bashrc
所有步骤成功之后,你就可以走上Intel caffe的不归路了(/微笑)
相关文章推荐
- Caffe - 基于Intel优化的Caffe框架训练和部署深度学习网络
- 深度学习(十三)caffe之训练数据格式
- 深度学习21天实战Caffe学习笔记--笔记4--caffe数据结构
- Ubuntu 16.04下配置深度学习库caffe
- 深度学习框架Caffe源码解析
- Facebook开源Caffe2深度学习框架:开发者可快速训练和迭代AI模型
- Caffe 深度学习框架上手教程
- CentOS6.4下编译caffe深度学习框架实践!!!
- 深度学习之caffe使用小结(1)
- 深度学习Caffe实战笔记(19)Windows平台 Faster-RCNN 制作自己的数据集
- 深度学习(一).Caffe安装及配置Python接口(CentOS7)
- 深度学习Caffe实战笔记(12)Caffe 使用Python接口No module named google.protobuf.internal修复方案
- 《深度学习:21天实战Caffe》第一天
- Win7(64位)+VS2013+cuda7.5环境下搭建深度学习Caffe计算框架
- 深度学习(六)caffe入门学习
- 深度学习之caffe环境搭建(3)
- 【深度学习:21 天实战 Caffe】Docker 镜像更新
- 深度学习(七)caffe源码c++学习笔记
- GitHub上深度学习Caffe开源程序代码