Jusqu'à ce que vous installiez Caffe et exécutiez l'exemple

Je voulais utiliser Caffe, une bibliothèque avec une bonne réputation pour la reconnaissance d'images, J'ai essayé de résumer la procédure de l'installation à l'exécution de l'exemple (mnist).

L'environnement d'installation est le suivant.

1. 1. Installer une bibliothèque externe

Installez l'ensemble de bibliothèques requis.

~


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

2. Télécharger le Caffe

Téléchargez la source Caffe depuis git.

~


$ git clone https://github.com/BVLC/caffe.git
$ cd caffe

3. 3. Modifier le fichier de configuration

Commencez par créer un fichier Make pour la compilation.

caffe/


$ cp Makefile.config.example Makefile.config

Si vous compilez tel quel, des erreurs se sont produites, donc Réécrivez certains fichiers de configuration pour éviter cela.

3.1. autour de hdf5

Si on vous dit quelque chose comme "impossible de trouver hdf5.h" Tout d'abord, vérifions si libhdf5-dev est apt-get.

S'il est installé mais que vous obtenez une erreur, Modifiez INCLUDE_DIRS dans Makefile.config.

caffe/Makefile.config


#INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/

3.2. autour de cuda

Ensuite, si on vous dit "/ usr / local / cuda / bin / nvcc: not found", Modifiez CUDA_DIR dans Makefile.config.

caffe/Makefile.config


#CUDA_DIR := /usr/local/cuda
CUDA_DIR := /usr

3.3. autour de memcpy

Si vous obtenez une erreur autour de memcpy, modifiez NVCCFLAGS dans caffe / Makefile comme suit. (Pas Makefile.config, déroutant)

caffe/Makefile


#NVCCFLAGS += -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)

3.4. autour de lhdf5

Quand on vous dit "/ usr / bin / ld: -hdf5_hl introuvable" Collez le lien symbolique dans / usr / lib / x86_64-linux-gnu.

/usr/lib/x86_64-linux-gnu


$ cd /usr/lib/x86_64-linux-gnu
$ sudo ln -s libhdf5_serial.so.10.1.0 libhdf5.so
$ sudo ln -s libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so

4. compiler

À ce stade, les paramètres nécessaires devraient être presque terminés. Compilons et testons.

caffe


$ make
$ make runtest

Si le résultat du test d'exécution est RÉUSSI, l'installation de Caffe est terminée.

passed.png

5. Échantillon test

Par défaut, caffe contient un ensemble de scripts d'apprentissage.

Ainsi, après cela, vous pouvez déplacer l'échantillon simplement en appuyant sur le script un par un.

Tout d'abord, téléchargez les données mnist et convertissez-les.

caffe/


$ data/mnist/get_mnist.sh
$ examples/mnist/create_mnist.sh

Maintenant que nous avons les données d'entraînement, formons le modèle.

caffe/


$ examples/mnist/train_lenet.sh

Enfin, exécutez le test mnist à l'aide du modèle entraîné.

caffe/


$ ./build/tools/caffe test -model ./examples/mnist/let_train_test.prototxt -weights ./examples/mnist/lenet_iter_10000.caffemodel

Jusqu'à présent, j'ai pu déplacer Caffe.

Les références

Recommended Posts

Jusqu'à ce que vous installiez Caffe et exécutiez l'exemple
Jusqu'à ce que vous installiez Gauge et exécutiez l'exemple officiel
Jusqu'à ce que matplotlib soit installé et exécuté
Jusqu'à ce que l'exemple de changefinder s'exécute sur python
Jusqu'à ce que vous puissiez installer Blender et l'exécuter avec python pour le moment
[Introduction à l'apprentissage automatique] Jusqu'à ce que vous exécutiez l'exemple de code avec chainer
Jusqu'à ce que vous installiez MySQL-python
Jusqu'à ce que Python soit installé avec pythonbrew et que Flask s'exécute sur le serveur WSGI
Jusqu'à ce que vous installiez Anaconda pour l'analyse des données sur votre Mac et que vous lanciez l'IDE
Essayez et apprenez iptables, jusqu'à ce que vous puissiez naviguer sur le Web
Installez et exécutez Dropbox sur Ubuntu 20.04
Exécutez Pylint et lisez les résultats
Jusqu'à ce que Python fonctionne sur Apache
Installez rapidement OpenCV2.4 (+ python) sur OS X et essayez l'exemple
Jusqu'à ce que vous installiez Apache et Tomcat sur Linux (CentOS) et déployez des applications Java
[erreur xgboost] Impossible de trouver la bibliothèque XGBoost dans le chemin candicate, avez-vous installé des compilateurs et exécuté build.sh dans le chemin racine
Jusqu'à ce que vous puissiez lire le journal des erreurs
Jusqu'à ce que vous installiez votre propre bibliothèque Python
Jusqu'à ce que vous installiez Arch Linux sur VMware
Jusqu'à ce que vous créiez une clé USB de démarrage Ubuntu sur votre Macbook et installiez Ubuntu sur votre Thinkpad
Installez l'API Python du simulateur de conduite automatique LGSVL et exécutez un exemple de programme
Installez et exécutez Python3.5 + NumPy + SciPy sur Windows 10
Jusqu'à ce que vous utilisiez l'API Kaggle avec Colab
Exécutez le test unitaire au moment où vous enregistrez le fichier
Jusqu'à ce que vous puissiez utiliser l'API Google Speech
Jusqu'à ce que vous exécutiez l'application Flask sur Google App Engine pour le moment
Jusqu'à ce que vous créiez un environnement d'apprentissage automatique avec Python sur Windows 7 et que vous l'exécutiez
Exécutez l'application flask sur Cloud 9 et Apache Httpd
Installez Apache 2.4 sur Ubuntu 19.10 Eoan Ermine et exécutez CGI
Installez la dernière version stable de Python avec pyenv (à la fois 2 et 3)
Installez Docker sur Arch Linux et exécutez-le à distance
Jusqu'à ce que vous exécutiez le serveur Django avec Visual Studio Code
Installez Ubuntu 20.04 avec GUI et préparez l'environnement de développement
Jusqu'à ce que TensorFlow-GPU soit installé avec pip dans l'environnement Windows
Installez django sur python + anaconda et démarrez le serveur
Exécutez le modèle Caffe sur Google Colaboratory pour prédire l'âge et le sexe des mannequins du monde