C'est un framework open source de Deep Learning, qui a été un sujet brûlant récemment. Il semble qu'un étudiant diplômé de l'Université de Californie à Berkeley ait commencé à le faire, c'est incroyable! La page d'accueil officielle peut être utilisée avec ici, C ++, Python et MATLAB, vous pouvez donc choisir celui dans lequel vous êtes bon. La mise à jour est très rapide, il semble donc intéressant de suivre les dernières informations. Vous pouvez voir une démo de la classification des images depuis ici, donc si vous êtes intéressé, essayez-le.
Quand j'ai commencé à étudier le Deep Learning, c'était un langage fonctionnel et je l'utilise généralement, donc je ferai du Deep Learning avec Scala! J'ai essayé diverses choses avec une idée douce, mais à un moment donné, j'ai réalisé que le nombre de bibliothèques et de frameworks de traitement d'image et d'apprentissage automatique était extrêmement faible par rapport à des langages tels que Python. Plutôt que de concevoir et de créer un réseau de neurones à partir de zéro par moi-même, je voulais quand même le déplacer, alors pour le moment j'ai décidé d'utiliser Caffe, qui contient une quantité relativement importante de documents officiels et d'informations en japonais (beaucoup d'exemples de code si vous recherchez sur Google). Sortir). De plus, Caffe utilise essentiellement le GPU, mais comme l'option CPU_ONLY est correctement préparée, je suis heureux de la gérer même pour moi qui ne dispose pas d'un GPU puissant avec MacBook Pro 13 pouces!
Cependant, il y a des rumeurs selon lesquelles il est difficile de créer un environnement pour Caffe, et lorsque je cherchais un moyen simple, j'étais reconnaissant que Caffe ait déjà été construit sur Docker Hub Containers J'ai trouvé? Q = caffe & s = stars) et j'ai pensé l'avoir fait, mais la plupart des conteneurs en mode CPU ont été mis à jour pour la dernière fois il y a des mois! Je veux quand même utiliser la dernière version! J'ai donc décidé de le construire dans mon environnement local. Je veux l'utiliser en Python, donc je ferai de mon mieux jusqu'à ce que je puisse faire PyCaffe (ʻimport caffe` en Python).
Il y en a plusieurs, mais la plupart peuvent être installés en même temps si homebrew est inclus.
Le Mac est livré avec Python depuis le début, mais il semble que la version soit ancienne (ça va souvent mal avec build?), Donc je l'ai mis dans un nouveau avec homebrew, cette fois c'est gênant donc je n'ai pas utilisé pyenv (en fait, il vaut vraiment mieux l'utiliser) ).
brew install python
Ensuite, mettez-les ensemble dans une infusion!
brew install --fresh -vd snappy leveldb gflags glog szip lmdb
brew tap homebrew/science
brew install hdf5 opencv
Je veux faire PyCaffe cette fois, donc je vais mettre ça à la fois.
brew install --build-from-source --with-python --fresh -vd protobuf
brew install --build-from-source --fresh -vd boost boost-python
Ensuite, clonez le corps Caffe à partir du référentiel et créez Makefile.config à partir du modèle préparé.
git clone https://github.com/BVLC/caffe.git
cd caffe
cp Makefile.config.example Makefile.config
Réécrivez une partie de Makefile.
Comme le chemin BLAS change en fonction de la version Mac, changez le chemin de la partie BLAS_INCLUDE comme suit. Puisqu'il y a deux endroits, réécrivez les deux pour le moment.
BLAS_INCLUDE ?= /Applications/Xcode.app/Contents/Developer/Platforms/MacOSX.platform/Developer/SDKs/MacOSX10.10.sdk/System/Library/Frameworks/Accelerate.framework/Versions/A/Frameworks/vecLib.framework/Versions/A/Headers/
Réécrivez Makefile.config à plusieurs endroits.
Décommentez d'abord le CPU_ONLY en haut, ce qui permettra de construire le mode CPU Caffe.
Ensuite, changez le chemin de PYTHON_INCLUDE et PYTHON_LIB en python comme suit.
Makefile.config
CPU_ONLY := 1
PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/local/lib/python2.7/site-packages/numpy/core/include/
PYTHON_LIB := /usr/local/Cellar/python/{python version}/Frameworks/Python.framework/Versions/2.7/lib/
Maintenant que vous êtes prêt à construire Caffe, construisons Caffe et exécutons le test. -j est le nombre de parallèles lors de la construction, plus il y en a, plus vite il se terminera.
make clean
make all -j4
make test -j4
make runtest
Si le test d'exécution réussit, la construction de Caffe réussit pour le moment, alors faisons-le avec PyCaffe. (Il semble que make test échoue en fonction de la version de Xcode, mais si make all réussit, vous pouvez passer à l'étape suivante en n'effectuant pas le test.)
Allez dans le dossier python (caffe / python) dans Caffe et pip les bibliothèques nécessaires pour PyCaffe à la fois.
cd python
for li in $(cat requirements.txt); do sudo pip install $li; done
Ensuite, construisez PyCaffe.
cd ../
make pycaffe
make distribute
Écrivez le PYTHONPATH suivant dans .bashrc ou .zshrc.
export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH
C'est la fin de la procédure d'installation. Après avoir lu avec source ~ / .bashrc etc., essayez ʻimport caffe` avec l'interpréteur Python, s'il n'y a pas d'erreur, c'est réussi!
Grâce à homebrew, Caffe a été plus facile à installer que prévu, merci beaucoup.
Je commence tout juste à jouer avec Caffe, mais une fois que je comprendrai comment l'utiliser, j'aimerais aussi écrire un article à ce sujet. Merci.
Veuillez me faire savoir si vous rencontrez des problèmes ou des améliorations.
Recommended Posts