caffe 安装文档
来源:互联网 发布:sqlserver版本选择 编辑:程序博客网 时间:2024/06/02 22:29
1、安装CUDA
1>打开blacklist.conf文件
vim /etc/modprobe.d/blacklist.conf
在文件末尾添加:
blacklist nouveau
2>Ctrl + Alt + F1登录后安装
sudo service lightdm stop
chmod +x cuda_7.5.18_linux.run
sudo ./cuda_7.5.18_linux.run
(安装过程中注意:先安装驱动程序,其余不安装,第一次安装驱动的时候可能会提示重启,重启后继续根据2>安装即可,安装完驱动之后重启机器,然后再安装cuda中的其余几项。)
3>输入nvidia-smi(会显示显卡的相关信息)(假如显卡信息出不来,可使用M40的驱动,但是可能会出现进不去ubuntu桌面的情况)
4>配置环境变量
sudo gedit /etc/bash.bashrc
在文本最后添加:
export PATH=$PATH:/usr/local/cuda-7.5/bin
export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:/lib
5>使环境变量生效
source /etc/bash.bashrc
6>创建cuda.conf文件
sudo touch /etc/ld.so.conf.d/cuda.conf
在里面添加/usr/local/cuda-7.5/lib64/
sudo ldconfig
7>验证nvcc
which nvcc(会出现nvcc所在的目录)
2、安装cuDNN
1>进入cudnn解压目录 cd cuda
2>进入lib64目录,cd lib64,sudo cp lib* /usr/local/cuda-7.5/lib64/
3>进入include目录cd ../include,sudo cp cudnn.h /usr/local/cuda-7.5/include/
4>cd /usr/local/cuda-7.5/lib64/
5>sudo ln -sf libcudnn.so.5.0.4 libcudnn.so.5
6>sudo ln -sf libcudnn.so.5 libcudnn.so
7>sudo ldconfig
3、安装caffe及相关依赖库
1>安装开发依赖包
sudo apt-get install build-essential
sudo apt-get install vim cmake git
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev
sudo apt-get install libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev
sudo apt-get install liblmdb-dev protobuf-compiler
sudo apt-get install libatlas-base-dev python-opencv
sudo apt-get install python-numpy python-scipy python-matplotlib ipython
sudo apt-get install ipython-notebook python-pandas python-sympy python-nose
sudo apt-get install python-pip
2>安装requirement里面的包,需要root权限(在caffe解压位置下的python路径下)
sudo su
for req in $(cat requirements.txt); do pip install $req; done
3>编译caffe(建议用root用户)
1)修改配置文件,进入caffe目录
2)备份Makefile.config (要是原来没有不需要这一步)
3)cp Makefile.config Makefile.config.bak
4)cp Makefile.config.example Makefile.config
5)修改两处地方:(文件中已经有了就可以不用修改了这两步)
a)# USE_CUDNN := 1把#号去掉
b)PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/lib/python2.7/dist-packages/numpy/core/include
改为:
PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/local/lib/python2.7/dist-packages/numpy/core/include
6)编译
make all -j16
make test -j16
make pycaffe
或者
进入caffe解压位置
mkdir build
cd build
cmake ..
make --jobs=16
7)验证
cd python/
python
import caffe
4、测试(例如mnist)
均在caffe根目录下执行
1>下载数据: ./data/mnist/get_mnist.sh,
2>生成lmdb文件:./example/mnist/create_minist.sh
3>此时在当前./example.mnist/目录下生成 mnist_train_lmdb,mnist_test_lmdb文件(create_mnist.sh是利用caffe-master/build/examples/mnist/的convert_mnist_data.bin工具,将mnist date转化为可用的lmdb格式的文件。并将新生成的2个文件mnist-train-lmdb 和 mnist-test-lmdb放于create_mnist.sh同目录下)。
4>设置lenet_solver.prototxt下的solver_mode: GPU,运行 ./example/mnist/train_lenet.sh(此时为单GPU卡运行)
5>修改./example/mnist/train_lenet.sh为./build/tools/caffe train --solver = examples/mnist/ lenet_solver.prototxt -gpu=0,1,2,3 $@,这时为4GPU卡运行。
1>打开blacklist.conf文件
vim /etc/modprobe.d/blacklist.conf
在文件末尾添加:
blacklist nouveau
2>Ctrl + Alt + F1登录后安装
sudo service lightdm stop
chmod +x cuda_7.5.18_linux.run
sudo ./cuda_7.5.18_linux.run
(安装过程中注意:先安装驱动程序,其余不安装,第一次安装驱动的时候可能会提示重启,重启后继续根据2>安装即可,安装完驱动之后重启机器,然后再安装cuda中的其余几项。)
3>输入nvidia-smi(会显示显卡的相关信息)(假如显卡信息出不来,可使用M40的驱动,但是可能会出现进不去ubuntu桌面的情况)
4>配置环境变量
sudo gedit /etc/bash.bashrc
在文本最后添加:
export PATH=$PATH:/usr/local/cuda-7.5/bin
export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:/lib
5>使环境变量生效
source /etc/bash.bashrc
6>创建cuda.conf文件
sudo touch /etc/ld.so.conf.d/cuda.conf
在里面添加/usr/local/cuda-7.5/lib64/
sudo ldconfig
7>验证nvcc
which nvcc(会出现nvcc所在的目录)
2、安装cuDNN
1>进入cudnn解压目录 cd cuda
2>进入lib64目录,cd lib64,sudo cp lib* /usr/local/cuda-7.5/lib64/
3>进入include目录cd ../include,sudo cp cudnn.h /usr/local/cuda-7.5/include/
4>cd /usr/local/cuda-7.5/lib64/
5>sudo ln -sf libcudnn.so.5.0.4 libcudnn.so.5
6>sudo ln -sf libcudnn.so.5 libcudnn.so
7>sudo ldconfig
3、安装caffe及相关依赖库
1>安装开发依赖包
sudo apt-get install build-essential
sudo apt-get install vim cmake git
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev
sudo apt-get install libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev
sudo apt-get install liblmdb-dev protobuf-compiler
sudo apt-get install libatlas-base-dev python-opencv
sudo apt-get install python-numpy python-scipy python-matplotlib ipython
sudo apt-get install ipython-notebook python-pandas python-sympy python-nose
sudo apt-get install python-pip
2>安装requirement里面的包,需要root权限(在caffe解压位置下的python路径下)
sudo su
for req in $(cat requirements.txt); do pip install $req; done
3>编译caffe(建议用root用户)
1)修改配置文件,进入caffe目录
2)备份Makefile.config (要是原来没有不需要这一步)
3)cp Makefile.config Makefile.config.bak
4)cp Makefile.config.example Makefile.config
5)修改两处地方:(文件中已经有了就可以不用修改了这两步)
a)# USE_CUDNN := 1把#号去掉
b)PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/lib/python2.7/dist-packages/numpy/core/include
改为:
PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/local/lib/python2.7/dist-packages/numpy/core/include
6)编译
make all -j16
make test -j16
make pycaffe
或者
进入caffe解压位置
mkdir build
cd build
cmake ..
make --jobs=16
7)验证
cd python/
python
import caffe
4、测试(例如mnist)
均在caffe根目录下执行
1>下载数据: ./data/mnist/get_mnist.sh,
2>生成lmdb文件:./example/mnist/create_minist.sh
3>此时在当前./example.mnist/目录下生成 mnist_train_lmdb,mnist_test_lmdb文件(create_mnist.sh是利用caffe-master/build/examples/mnist/的convert_mnist_data.bin工具,将mnist date转化为可用的lmdb格式的文件。并将新生成的2个文件mnist-train-lmdb 和 mnist-test-lmdb放于create_mnist.sh同目录下)。
4>设置lenet_solver.prototxt下的solver_mode: GPU,运行 ./example/mnist/train_lenet.sh(此时为单GPU卡运行)
5>修改./example/mnist/train_lenet.sh为./build/tools/caffe train --solver = examples/mnist/ lenet_solver.prototxt -gpu=0,1,2,3 $@,这时为4GPU卡运行。
0 0
- caffe 安装文档
- 【Caffe实践】Caffe安装
- Caffe 的一些文档
- caffe安装
- caffe安装
- 安装caffe
- caffe安装
- Caffe安装
- caffe 安装
- caffe安装
- 安装caffe
- Caffe安装
- caffe安装
- caffe安装
- caffe安装
- caffe安装
- caffe 安装
- caffe 安装
- 使用递归将二维资源数据转换成json的例子-java
- JavaScript强化教程——Bootstrap
- 一分钟了解负载均衡的一切
- 分形插值
- 《网络协议入门》
- caffe 安装文档
- 基于docker的Jenkins可持续集成实践
- 精彩回顾 | 华为 HDG 成都站霸气上演 蓉城风云再起
- 2017年完美世界校招笔试题,从n层大楼往下扔m颗玻璃珠确定珠子破碎的临界楼层
- Tomcat fastjson 发生classnotfound 异常
- MySQL C 语言应用程序接口开发教程(1)
- leetcode 题解 1. Two Sum
- 让电脑不被锁屏的方法
- android studio使用的一些技巧