caffe2 安裝與介紹

一早發現caffe2的較成熟的release版發布了（the first production-ready release），那麼深度學習平台在之後一段時間也是會出現其與tensorflow相互競爭的局面。

從開啟這個caffe2的官網就會發現，有了facebook的支援，連介面也好看多了。不過再仔細看看，覺得又和tensorflow有一絲像，從內到外。

caffe2 中基本計算單元之一是 operators。每個 operator 包含給定適當數量和型別的輸入和引數來計算輸出所需的邏輯。caffe 和 caffe2 功能的總體差異如下圖所示：

看到這段話，是不是更覺得像是tensorflow了？之前layer的概念被弱化，資料與操作完全分開，不就是tensorflow裡面需要定義的tf.matmul和tf.variable這類嗎？

其次提出的workspace概念很像是tf中的session：

# create the input data
data = np.random.rand(16, 100).astype(np.float32)
# create labels for the data as integers [0, 9].
label = (np.random.rand(16) * 10).astype(np.int32)
workspace.feedblob("data", data)
workspace.feedblob("label", label)
# create model using a model helper
m = cnn.cnnmodelhelper(name="my first net")
fc_1 = m.fc("data", "fc1", dim_in=100, dim_out=10)
pred = m.sigmoid(fc_1, "pred")
[softmax, loss] = m.softmaxwithloss([pred, "label"], ["softmax", "loss"])

網路的編寫也向tf靠攏了（學了點tf還是有點用的）。

最後還要說一點就是對python的支援大大增強了，當然這也是深度學習的趨勢。

4.18發布的版本號為v0.7.0，官網上的安裝教程比較詳細，也比較好操作install。

sudo apt-get update sudo apt-get install -y --no-install -recommends \ build-essential \ cmake \ git \ libgoogle-glog -dev \ libprotobuf-dev \ protobuf-compiler \ python-dev \ python-pip sudo pip install numpy protobuf

這一部分主要是cuda與cudnn，在之前的部落格中有講到過。

# for both ubuntu 14.04 and 16.04 sudo apt-get install -y --no-install-recommends \ libgtest-dev \ libiomp-dev \ libleveldb-dev \ liblmdb-dev \ libopencv-dev \ libopenmpi-dev \ openmpi-bin \ openmpi-doc \ python-pydot sudo pip install \ flask \ graphviz \ hypothesis \ jupyter \ matplotlib \ pydot python-nvd3 \ pyyaml \ requests \ scikit-image \ scipy \ setuptools \ tornado

sudo apt-get install -y --no-install -recommends libgflags2

sudo apt-get install -y --no-install -recommends libgflags-dev

git clone --recursive  && cd caffe2
make && cd build && sudo make install
python -c 'from caffe2.python import core'
2>/dev/null && echo
"success" || echo
"failure"

gpu測試可以執行：

python -m caffe2.python .operator_test.relu_op_test

這步安裝完成之後，會在/usr/local/caffe2、/home/user/caffe2/build（你的build路徑）路徑生成caffe2的python檔案，在/usr/local/lib路徑生成庫檔案。

設定正確的話，執行命令會有#後這樣的輸出

echo $pythonpath # export pythonpath=/usr/local:$pythonpath # export pythonpath=$pythonpath:/home/ubuntu/caffe2/build echo $ld_library_path # export ld_library_path=/usr/local/lib:$ld_library_path

具體設定更改對應shell的配置檔案，一般來說

sudo vim /etc/profile

在最後加上

export pythonpath=/usr/local :$pythonpath export pythonpath=$pythonpath :/home/ubuntu/caffe2/build export ld_library_path=/usr/local /lib:$ld_library_path

就可以了。

caffe2 安裝與介紹

Caffe2的安裝詳述

樹莓派編譯安裝caffe2

Caffe2 新增CUDA路徑

caffe2 安裝與介紹

Caffe2的安裝詳述

樹莓派編譯安裝caffe2

Caffe2 新增CUDA路徑

相關推薦