Caffe安装与初阶使用

Caffe刚刚安装配置结束,一气呵成!

系统情形

Ubuntu 14.04

(一)景况企图

安装依赖库

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

日前笔者有两篇小说写到caffe的搭建,第一篇cpu only
,第三篇是在服务器上搭建的,个中第2篇因为硬件条件更佳我们的步骤稍显复杂。其实,第二篇也无非是caffe的开首搭建实现,还平昔不编写翻译python接口,那么上边大家一起化解啊!

编写翻译安装Caffe

# 源码下载
git clone https://github.com/BVLC/caffe.git
cd caffe
cp Makefile.config.example Makefile.config
# 修改Makefile.config文件,选择CPU或GPU模式
vi Makefile.config
# 编译安装
make all
make pycaffe
# 安装后的测试
make test
make runtest

安装进程中numpy报错,消除格局:

# 安装python-numpy
sudo apt-get install python-numpy
# python命令行交互
python
import numpy as npnp.get_include()
exit()
# 重新编译安装
make pycaffe

先是请读者再回过头去看自身的《Ubuntu
1六.0四设置配置Caffe
》( http://www.linuxidc.com/Linux/2016-12/138870.htm )

Caffe初步使用

在那篇博文的最终,大家再充实编写翻译Python接口,而那有些内容请参见笔者的博文《
Ubuntu14.04搭建Caffe(仅cpu)
http://www.linuxidc.com/Linux/2016-09/135034.htm ,那篇作品从编写翻译Python接口部分看就好了。

1. MNIST数据集

cd caffe
sh data/mnist/get_mnist.sh
sh examples/mnist/create_mnist.sh
vi examples/mnist/lenet_solver.prototxt
# 修改 solver_mode 为 CPU
sh examples/mnist/train_lenet.sh

(二)下载模型

2. CIFAR-10数据集

cd caffe
sh data/cifar10/get_cifar10.sh
cd examples/cifar10/create_cifar10.sh
vi examples/cifar10/cifar10_quick_solver.prototxt
# 修改 solver_mode 为 CPU
sh examples/cifar10/train_quick.sh

小编在github上开源了代码:Fully Convolutional
Networks
,大家先是将代码下载并且解压到家目录下。

参谋资料

在Ubuntu
14.04上安装Caffe

品种文件结构很显然,要是想train自身的model,只必要修改部分文书路线设置就能够,这里大家选拔已经train好的model来测试一下协调的图纸:

大家下载voc-fcn3二s,voc-fcn1陆s以及voc-fcn八s的caffemodel(依据提供好的caffemodel-url),fcn-1陆s和fcn3二s都以缺乏deploy.prototxt的,大家遵照train.prototxt稍加修改就能够。注意,这里的caffemode-url其实在相继模型的文件夹上边都曾经提须要我们了,请读者细心找一找,看看是还是不是每1个文本夹上面都有1个caffemode-url的文书?展开个中会有模型的下载地址!

(三)修改infer.py文件

  • caffe
    path的投入,由于FCN代码和caffe代码是独自的文书夹,因而,须将caffe的Python接口加入到path中去。这里有二种方案,一种是在享有代码中冒出import caffe 之前,加入:

    1 import sys
    2 sys.path.append(‘caffe根目录/python’)

  • 另一种一劳永逸的主意是:在极限可能bashrc军长接口参加到PYTHONPATH中:

    export PYTHONPATH=caffe根目录/python:$PYTHONPATH

此番大家应用后者。

在解压代码的根目录下找到三个文书:infer.py。略微修改infer.py,就可以测试大家友好的图样了,请大家依据本人其真实情状况来展开改变。

 im = Image.open(‘voc-fcn八s/test.jpeg’) 这里指的是测试图片路线!

 net = caffe.Net(‘voc-fcn八s/deploy.prototxt’, ‘voc-fcn八s/fcn八s-heavy-pascal.caffemodel’,
caffe.TEST) ,这里指的是voc-fcn8s文件下的配备文件和模型。注意,fcn下每1个模型其实都对应于二个文书夹,而各种文件夹下应当放着这么些模型的caffemodel文件和prototxt文件! 

  plt.savefig(‘test.png’) ,这里指的是最终分割的结果应当放置在哪些路线下,大家都晓得,语义分割的结果应该是一张图片!

修改完后的infer.py如下所示:

 1 import numpy as np
 2 from PIL import Image
 3 import matplotlib.pyplot as plt
 4 import caffe
 5 
 6 # load image, switch to BGR, subtract mean, and make dims C x H x W for Caffe
 7 im = Image.open('voc-fcn8s/test.jpeg')
 8 in_ = np.array(im, dtype=np.float32)
 9 in_ = in_[:,:,::-1]
10 in_ -= np.array((104.00698793,116.66876762,122.67891434))
11 in_ = in_.transpose((2,0,1))
12 
13 # load net
14 net = caffe.Net('voc-fcn8s/deploy.prototxt', 'voc-fcn8s/fcn8s-heavy-pascal.caffemodel', caffe.TEST)
15 # shape for input (data blob is N x C x H x W), set data
16 net.blobs['data'].reshape(1, *in_.shape)
17 net.blobs['data'].data[...] = in_
18 # run net and take argmax for prediction
19 net.forward()
20 out = net.blobs['score'].data[0].argmax(axis=0) 
21 
22 plt.imshow(out,cmap='gray');
23 plt.axis('off')
24 plt.savefig('test.png')
25 #plt.show()

图片 1

运行甘休后会在软件的根目录下生成3个分开好的图样test.png!

图片 2

咱们得以看一下本来图片和尾声生成的图纸的区分:

图片 3图片 4

或是会遇见的主题素材:

(1)no display name and no $DISPLAY environment variable

骨子里,在Ubuntu虚拟终端里实践python
infer.py是没有任何不当的,然而本人是透过远程访问连接服务器的主意运转程序的。所以在实施到末了的时候会报那么些错。不过不用害怕,

在stackoverflow中找到了极点消除办法:

图片 5

如图中所示的手续,找到matplotlibrc,将backend从tkAGG修改为AGG。

sudo gedit /home/xuanxufeng/.local/lib/python2.7/site-packages/matplotlib/mpl-data/matplotlibrc

图片 6

重新在putty中奉行就从未其他难题了!

(二)在施行python infer.py时大概会唤起贫乏某1七个模块。

  那些毫无操心,都以小标题,百度很轻松搜到,1多少个指令安装就好了~

(四) 结束语

从开始读杂谈到今后,也总算提高了一小步,能够望见的一小步。在现在,随着试验的一步步张开,作者还有可能会再次创下新模型的教练以及磨炼数据集的创立!请各位看官耐心等待!

Caffe 深度学习入门教程 
http://www.linuxidc.com/Linux/2016-11/136774.htm

Ubuntu 1陆.04 安装配备Caffe 图像和文字详解
http://www.linuxidc.com/Linux/2016-12/138870.htm

Ubuntu 16.04下Matlab2014a+Anaconda2+OpenCV3.1+Caffe安装
http://www.linuxidc.com/Linux/2016-07/132860.htm

Ubuntu 16.04系统下CUDA7.5配置Caffe教程
http://www.linuxidc.com/Linux/2016-07/132859.htm

Caffe在Ubuntu 1肆.0四 6四bit 下的安装
http://www.linuxidc.com/Linux/2015-07/120449.htm

纵深学习框架Caffe在Ubuntu下编写翻译安装 
http://www.linuxidc.com/Linux/2016-07/133225.htm

Caffe + Ubuntu 1四.0肆 6四bit + CUDA 陆.伍 配置表明 
http://www.linuxidc.com/Linux/2015-04/116444.htm

Ubuntu 16.04上安装Caffe
http://www.linuxidc.com/Linux/2016-08/134585.htm

Caffe配置简明教程 ( Ubuntu 1四.04 / CUDA 7.伍 / cuDNN 五.一 / OpenCV 三.一 ) 
http://www.linuxidc.com/Linux/2016-09/135016.htm

Ubuntu 16.04上安装Caffe(CPU only) 
http://www.linuxidc.com/Linux/2016-09/135034.htm

本文恒久更新链接地址http://www.linuxidc.com/Linux/2017-01/139235.htm

图片 7

发表评论

电子邮件地址不会被公开。 必填项已用*标注

网站地图xml地图