摘要:包括系统的原因自带的系统环境无法安装及其他第三方库,必须通过来自行安装一个而这个路径和系统的并不一样。在如此混乱的开发环境下,配置实在艰难,特此教程。你要用的话可以不忽略该教程了。
原文链接 https://jinkey.ai/post/tech/m...1 概要 1.1 为什么要写这篇文章
本文作者 Jinkey(微信公众号 jinkey-love,官网 https://jinkey.ai)
感谢 yubang 老司机指导填坑,大神的博客http://blog.yubangweb.com/
文章允许非篡改署名转载,删除或修改本段版权信息转载的,视为侵犯知识产权,我们保留追求您法律责任的权利,特此声明!
由于历史原因:
我的电脑有五六个直接安装在系统的Python的环境,加上一堆 Python 虚拟环境。
包括 Mac 系统的原因:
自带的系统环境无法安装 pip 及其他第三方库,必须通过 homebrew来自行安装一个python 而这个python路径和系统的并不一样。
包括 Anaconda 的原因:
之前为了安装某些科学计算库方便使用了Anaconda,并且需要同时使用python2和3,所以由多了两个环境。
在如此混乱的开发环境下,配置 Caffe 实在艰难,特此教程。
1.2 为什么不用 docker 运行因为 Pycharm Community Edition 2017.1 不支持远程调试,其他开发环境不好用。你要用 docker 的话可以不忽略该教程了。
1.3 用到的环境因为随着各种库更新,不一定有空更新教程导致该教程某些步骤不可用,特此说明一下写这个文章的时候各个库的版本。
MacOS 10.12.6
Python 2.7.13
pip 9.0.1
Pycharm Community Edition 2017.1
Homebrew 1.3.1
cmake version 3.8.2
caffe 1.0
终端运行
/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"2.2 Python
brew install python
下载(get-pip.py)[https://bootstrap.pypa.io/get...],切换到 get-pip.py所在目录,终端输入命令
python get-pip.py
完成后安装虚拟环境(也不是必须的,后面配置路径的时候会说到,这里顺便介绍虚拟环境,避免多个项目造成开发环境很混乱)
sudo pip install virtualenv2.3 CMake
brew install cmake2.4 Caffe 依赖
brew install -vd snappy leveldb gflags glog szip lmdb brew tap homebrew/science brew install hdf5 opencv brew install --build-from-source --with-python -vd protobuf brew install --build-from-source -vd boost boost-python brew install protobuf boost2.5 Caffe 的 Python 依赖
这里我使用的是 Pycharm 新建虚拟环境,新建在 /Users/Yourname/CaffeLearn(建立在哪里都可以,你自己记住就好)
选择基础环境的时候记得选择通过 Homebrew 安转的那个,应该是在/usr/local/Cellar/python/2.7.13,参考下图
创建好之后,在控制台(点Terminal 那个Tab)依赖 caffe 所需要的 Python库
运行以下命令
pip install numpy scikit-image protobuf3 Caffe 配置详解 3.1 Makefile.config
从(https://github.com/BVLC/caffe...[https://github.com/BVLC/caffe/releases]下载最新版本的代码,解压,从终端进入项目目录cd caffe-1.0。该教程使用的是 caffe-1.0。
cp Makefile.config.example Makefile.config
用 Xcode 打开 Makefile.config(不要用 word 或者文本编辑打开)
如果你的 Mac 的显卡是Intel 的GPU,那么是没法使用 cuda 加速的,找到并把# CPU_ONLY := 1的注释去掉,即CPU_ONLY := 1,这样让 Caffe 仅在 CPU 下运行。
找到以下片段
# NOTE: this is required only if you will compile the python interface. # We need to be able to find Python.h and numpy/arrayobject.h. PYTHON_INCLUDE := /usr/include/python2.7 /usr/lib/python2.7/dist-packages/numpy/core/include
PYTHON_INCLUDE修改成( 步骤2.5叫你们记住的虚拟环境路径!!! 现在就有用了,一定得分别能找到Python.h 和 numpy/arrayobject.h两个文件),后面接着是python2.7还是python2.7.13还是python2.7.12取决于你们安装的版本,教程后面提到的部分也请注意这点。
PYTHON_INCLUDE := /Users/Yourname/CaffeLearn/include/python2.7 /Users/Yourname/CaffeLearn/lib/python2.7/site-packages/numpy/core/include
保存,(caffe-1.0目录)终端运行
cmake .3.2 CaffeConfig.cmake
cmake完成后,用 Xcode 打开项目目录下的 CaffeConfig.cmake(不要用 word 或者文本编辑打开),把倒数第三行的set(Caffe_CPU_ONLY OFF)改成set(Caffe_CPU_ONLY ON),保存并关闭。
3.3 CMakeCache.txt用 Xcode 打开项目目录下的 CMakeCache.txt(不要用 word 或者文本编辑打开)
CPU_ONLY:BOOL=OFF
改为
CPU_ONLY:BOOL=ON
此外,找到然后修改PYTHON_EXECUTABLE:FILEPATH、PYTHON_INCLUDE_DIR:PATH、PYTHON_LIBRARY:FILEPATH,修改如下
//Path to a program. PYTHON_EXECUTABLE:FILEPATH=/Users/Yourname/CaffeLearn/bin/python2.7 //Path to a file. PYTHON_INCLUDE_DIR:PATH=Users/Yourname/CaffeLearn/include/python2.7 //Path to a library.( 通过 Homebrew 安装的 Python 环境) PYTHON_LIBRARY:FILEPATH=/usr/local/Cellar/python/2.7.13_1/Frameworks/Python.framework/Versions/2.7/lib/libpython2.7.dylib
保存并关闭。
4 Caffe 编译 4.1 临时软连接系统和Homebrew 安装的 Python 路径否则在接下来 make 的过程可能会出现错误:
"pyconfig.h" cannot be found
在终端运行以下命令建立连接
export CPLUS_INCLUDE_PATH="$CPLUS_INCLUDE_PATH:/usr/include/python2.7/"4.2 开始编译
在终端依次执行
make all make install make runtest
编译且测试成功。
5 使用将 Caffe-1.0/python 路径下的 caffe 文件夹拷贝到虚拟环境下
/Users/Yourname/CaffeLearn/lib/python2.7/site-packages/
在项目中 import caffe 即可。
6 版权声明原文链接 https://jinkey.ai/post/tech/m...
本文作者 Jinkey(微信公众号 jinkey-love,官网 https://jinkey.ai)
感谢 yubang 老司机指导填坑,大神的博客http://blog.yubangweb.com/
文章允许非篡改署名转载,删除或修改本段版权信息转载的,视为侵犯知识产权,我们保留追求您法律责任的权利,特此声明!!
文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。
转载请注明本文地址:https://www.ucloud.cn/yun/41193.html
摘要:英伟达作为的开发合作者,计划对的深度学习应用推出一系列博客文章。可使用的英伟达深度学习库和来实现高性能多加速训练和推理。最近的训练基准使用了块的英伟达和神经网络架构。 昨天,Facebook 推出了 Caffe2,一个兼具表现力、速度和模块性的开源深度学习框架。它沿袭了大量的 Caffe 设计,可解决多年来在 Caffe 的使用和部署之中发现的瓶颈问题。最终,Caffe2 打开了算法实验和新...
摘要:以上是我的配置参数。配置的过程中可能出现各种意想不到的错误,每一个人出现的情况可能都不一样。参考基于环境下的配置学习微软官方之接口配置及图片生成实例下配置无详细教材使用工具时报解决办法上配置操作步骤 前言 最近项目需要用到caffe这个框架,所以试着配置。由于绝大多数的教程都是基于Linux环境的,所以对于Window的用户来说教程比较少。几经波折以后,终于配置成功,我把配置的重点步...
摘要:是一种常用的深度学习框架,主要应用在视频图像处理方面的应用上。由于没钱买,只能在虚拟机环境下配置版开发环境,大家勿笑。 caffe是一种常用的深度学习框架,主要应用在视频、图像处理方面的应用上。由于没钱买gpu,只能在虚拟机环境下配置Ubuntu CPU版caffe开发环境,大家勿笑。 1.首先,先安装依赖库: sudo apt-get install libprotobuf-dev...
阅读 1033·2021-11-24 09:39
阅读 3547·2021-11-22 13:54
阅读 2515·2021-10-11 10:59
阅读 709·2021-09-02 15:40
阅读 1007·2019-08-30 15:55
阅读 1010·2019-08-30 13:57
阅读 2281·2019-08-30 13:17
阅读 2979·2019-08-29 18:32