安裝參考資料
source /etc/profile 立即生效
- Ubuntu 14.04+cuda 7.5+caffe安裝配置[CUDA 8.0 CUDNN 5.0][以此為藍本]
make all -j4 加sudo權限,OpenCV3.0以上取消掉Makefile.config對應注釋。
CUDA與CUDNN庫只與顯卡計算能力有關,GT645M能力為3.0,能夠使用最新。計算能力查詢-
ubuntu14.04+opencv 3.0+python2.7安裝及測試 [先裝CUDA]
Ubuntu14.04 + opencv2.4.11 + python環境配置[Python 支持,修改CMAKE選項] - Ubuntu更改默認python版本的兩種方法 python-> Anaconda
-
Anaconda裝OpenCV
拷貝生成cv2.so cv2.py 到目錄下 - Ubuntu14.04 OpenCV編譯安裝
- Ubuntu下多個版本OpenCV管理(Multiple Opencv version)
- Ubuntu 15.04 Opencv 安裝(多版本并存)
- Caffe安裝筆記二:Caffe安裝過程
ubuntu系統已崩。。。。。就在安裝Caffe的依賴庫之后,改變源。。。然后就Kernel panic, 再也沒法啟動了。。。。。
Linux系統make出錯之后再次make會在之前的基礎上繼續,所以需要刪除make出錯的東西重新make。具體到caffe就是caffe-master下的.build_release文件夾。(直接用make clean)
caffe的配置過程[Trouble-shooter]
sudo cp ~/anaconda/lib/libhdf5* /usr/lib/x86_64-linux-gnu/ libhdf5_hl.so.10無法鏈接問題,坑巨大,真是服了,將anaconda里的文件復制到一個文件夾里面去
make pycaffe 之后只需將路徑添加進caffe所在路徑添加到PYTHONPATH中,如:
export PYTHONPATH=/path/to/caffe/python:$PYTHONPAT
[坑] 如Downloads文件夾在/home/noneland下面,而不是在/home下面,就是因為這個原因導致python無法導入caffe庫。也是醉了。
其實只要一步一步來,最后確實也能安裝成功。大不了吐點血。。。在這個過程中確實學到了很多東西。。。比如OpenCV的編譯安裝[cv2.so在release/lib下面]。。好心酸。。。不過終于安裝成功了。。。
測試MNIST數據集
-
Ubuntu安裝Caffe并訓練MNIST
不得不說,Linux下面的確方便,訓練這個模型只需要幾個命令就搞定了。下載速度也很快。。成功運行截圖如下:
GPU和CPU訓練對比
條件: MNIST數據集:50000訓練,10000測試;迭代10000次
耗時如下:
CPU(i7-3630QM):14min39sec
CPU(i7-7700K):9min51s
GPU(GT 645M CUDA8.0 CUDNN5.0): 2min43sec
GPU(GTX 1070 CUDA8.0 CUDNN5.1):18sec
從以上對比明顯可以看出GPU對于深度學習的重要性了,加速太明顯了。