Ubuntu 14.04 安装Caffe与CUDA指南

需积分: 10 8 下载量 46 浏览量 更新于2024-09-09 收藏 35KB DOC 举报
“Caffe在Ubuntu 14.04 64位系统下的安装文档,主要涉及Caffe、Ubuntu 14.04和64位环境,详细介绍了Caffe的依赖包安装、CUDA的配置以及cuDNN的安装步骤。” 在Ubuntu 14.04 64位系统上安装Caffe是一项技术性的任务,需要遵循一定的步骤来确保正确无误。首先,安装Caffe需要一些基础的开发依赖包,包括: 1. `build-essential` - 提供了编译Caffe所需的底层工具和库。 2. `vim` - 文本编辑器,用于查看和修改配置文件。 3. `cmake` - 构建系统,用于管理Caffe的构建过程。 4. `git` - 版本控制工具,用于从GitHub获取Caffe的源代码。 5. `libprotobuf-dev` - Google的Protocol Buffers库的开发文件,Caffe的数据存储格式之一。 6. `libleveldb-dev` - Google的键值存储库,Caffe的另一个数据存储选项。 7. `libsnappy-dev` - 数据压缩库,用于提高leveldb的性能。 8. `libopencv-dev` - OpenCV库,用于图像处理和计算机视觉。 9. `libboost-all-dev` - Boost库,提供多种C++工具集。 10. `libhdf5-serial-dev` - HDF5库,用于大规模数据存储。 11. `libgflags-dev` 和 `libgoogle-glog-dev` - 日志和标志处理库,用于Caffe的调试和日志记录。 12. `liblmdb-dev` - LMDB数据库,是另一种用于Caffe的数据存储选择。 13. `protobuf-compiler` - Protocol Buffers编译器,用于生成Caffe所需的协议缓冲区文件。 完成依赖包的安装后,接下来是CUDA的安装。CUDA是NVIDIA提供的并行计算平台,对于在GPU上运行Caffe至关重要。安装CUDA的步骤包括: 1. 下载适用于Ubuntu 14.04的CUDA安装包,这里推荐使用版本7.0-28的Local Package Installer。 2. 在BIOS设置中,将Intel集成显卡设为主要显示设备,以便在安装过程中避免冲突。 3. 进入Ubuntu的控制台模式(Ctrl+Alt+F1),停止lightdm服务以防止图形界面与CUDA安装冲突:`sudo service lightdm stop`。 4. 安装下载的CUDA deb包:`sudo dpkg -i cuda-repo-ubuntu1404-7-0-local_7.0-28_amd64.deb`。 5. 更新软件包列表:`sudo apt-get update`。 6. 安装CUDA:`sudo apt-get install cuda`。 7. 安装完成后,重启计算机以应用更改。 最后,安装cuDNN,这是一个加速深度神经网络计算的库,与CUDA配合使用。安装cuDNN通常需要先在NVIDIA官方网站注册并下载对应版本的库,然后按照提供的指南进行解压和拷贝到CUDA的相应目录。具体步骤未在摘要中给出,但通常包括将头文件复制到CUDA头文件目录,库文件复制到CUDA库目录,并更新环境变量以指向cuDNN库。 安装完毕后,确保更新Caffe的Makefile配置文件,使其指向正确的CUDA和cuDNN路径。然后,可以使用`make all`和`make test`来编译和测试Caffe。如果所有步骤都正确执行,Caffe将在Ubuntu 14.04的64位系统上成功安装并准备用于深度学习任务。
2017-08-03 上传
# CNN_UCMerced-LandUse_Caffe(数据:http://vision.ucmerced.edu/datasets/landuse.html) 主要任务:基于深度学习框架完成对光学遥感图像UCMerced LandUse数据集的分类。 数据特点:共包含21类土地类型图片,每类100张,每张像素大小为256*256,数据类内距离大,类间小。 完成情况:数据量太小,训练数据出现过拟合;为了克服这个问题,又减小训练时间,采用caffe框架,在别人训练好的bvlc_reference_caffenwt模型上进行fine-tune,对最后一层设置较大的学习速率,结果取得了93%的正确率;在这基础上又在fc7层上提取了每张图片的4096维特征,进行了SVM分类,取得了95%以上的分类正确率,并对结果做了可视化分析。 环境:ubuntu14.04 + caffe + python(数据划分和增强在用windows10的3.5,其余都是unbuntu下用的2.7) 程序(相关路径需要修改)/步骤: multi_divide_pic.py---多进程进行数据划分(cv2没装成功,建议用cv2,方便) multi_augmentation_pic.py---多进程数据增强 make_caffe_lmdb.py---生成caffe训练需要的数据路径文件,然后修改caffe配置文件 bvlc_reference_caffenet.caffemodel---caffe模型,在上面进行finetune(http://dl.caffe.berkeleyvision.org/?from=message&isappinstalled=1) binaryproto2npy.py---将caffe生成的均值文件转换成.npy格式 cnn_vision_caffe.py---对训练好的模型进行可视化分析 extract_features.py---获取每张图片在fc7层输出的4096维特征 svm_predict.py---使用svm对上述提取的特征进行训练预测 svm_vision.py---对svm模型进行可视化分析 tsne.py---对数据进行降维可视化