Caffe,protobuf 編譯安裝

caffe，全稱convolutional architecture for fast feature embedding。

caffe是乙個深度學習框架。

caffe依賴protobuf

注：如果caffe要和tensorflow一起使用，需要調整依賴項版本：要基於protobuf-3.6.0版本來編譯caffe才行。

protobuf依賴boost

注：如果caffe要和tensorflow一起使用，則要基於boost1.58版本來編譯protobuf才行。

# 使用apt安裝boost1.58

$ sudo apt install libboost1.58-dev

# 依賴項

$ sudo
apt-get
install autoconf automake libtool curl
make g++ unzip
# 編譯
$ cd protobuf-3.6.0
$ ./autogen.sh
$ ./configure
$ make -j12
$ make check # 如果「make check」失敗，您仍然可以安裝，但該庫的某些功能可能無法在您的系統上正常執行。
# 安裝
$ sudo
make
install
$ sudo ldconfig # refresh shared library cache.

但是，在許多平台上，/usr/local/lib不是ld_library_path的一部分。您可以新增它，但可能更容易安裝到/usr。為此，請按如下方式呼叫configure：

./configure --prefix=/usr

如果您已經使用不同的字首構建了包，請確保在再次構建之前執行make clean。

有關configure和make的高階用法資訊，請參閱autoconf文件：

$ cd caffe

# 依賴項（根據上述步驟，我們會已經安裝好需要的依賴了）
#$ sudo apt-get install 
# 修改選項 # 修改makefile.config，例如我們可以開啟cpu_only選項。
$ cp makefile.config.example makefile.config
# 我是開啟了use_cudnn選項，關閉cpu_only
$ gedit makefile.config
use_cudnn := 1
# cpu_only := 1
cuda_dir := /usr/local/cuda
# 編譯
$ make clean # 如果編譯有奇怪問題，乾脆直接clean一下。
$ make all -j12
# make runtest -j16
# make pycaffe

# 修改選項 # 需要關閉use_cudnn選項，開啟cpu_only選項：

$ gedit makefile.config
# use_cudnn := 1
cpu_only := 1
# 因為我系統裡是opencv4，include目錄和opencv3有些不同，所以手動設定了路徑：
include_dirs += /usr/local/include/opencv4
# 編譯
$ make clean # 如果編譯有奇怪問題，乾脆直接clean一下。
$ make all -j12
# 編譯問題1：
src/caffe/layers/window_data_layer.cpp:293:42: error: 『cv_load_image_color』 was not declared in this scope
cv_img = cv::imread(image.first, cv_load_image_color)
;                                          ^
# opencv4裡的 cv_load_image_color 應該使用 cv::imread_color 來代替：
cv::imread(image.first, cv::imread_color)
;# 好幾個這樣的問題，都需要這樣去改原始碼。
# 例：cv_load_image_grayscale 換成 cv::imread_grayscale 等等。。。
# 問題2：
src/caffe/layers/hdf5_output_layer.cpp:4:18: fatal error: hdf5.h: no such file or directory
# 需要在makefile.config裡新增hdf5的路徑：
$ gedit makefile.config
include_dirs += /usr/include/hdf5/serial/
# 注：修改過巨集定義，因為與openvino衝突。
#  不是我修改的，所以具體改動點不明確。

對於api呼叫，可以在cmakelists.txt中使用include_directories()寫入指定呼叫路徑。

我是把這些檔案拷貝到了另乙個資料夾下：

新建shell指令碼auto_include_caffe.s**件，寫入以下內容，然後根據自己的目錄執行指令碼：

#!/bin/bashif[

"$1"
=="-h"];
then
echo
"執行的檔名：$0"
;echo
echo
"用法：$ bash 檔名 [源目錄] [目標目錄]"
echo
"例子：$ bash auto_include_caffe.sh /home/toson/soft/caffes/caffe /home/toson/compile_libs/caffe"
exit 0;
fiif
["$1"
==""];
then
echo
"請輸入源目錄！"
exit 0;
fiif
["$2"
==""];
then
echo
"請輸入目標目錄！"
exit 0;
fimkdir -p "$2"
cp -r "$1"
"/include"
"$2"
cp -r "$1"
"/.build_release/src"
"$2"
cp -r "$1"
"/.build_release/lib"
"$2"
echo
"end."

include_directories(

/home/toson/compile_libs/caffe/include
/home/toson/compile_libs/caffe/src)
link_directories(
/home/toson/compile_libs/caffe/lib)

編譯 交叉編譯

交叉編譯含義 是指在乙個平台上生成另乙個平台上的可執行 同乙個體系結構可以執行不同的作業系統，同樣乙個作業系統也可以在不同的體系結構上執行 例 常說的x86 linux平台 指inter x86體系結構及linux for x86作業系統 x86 winnt平台 指inter x86體系結構及win...

核心編譯 模組編譯

目前是嵌入式 linux 的初學者感覺有所體會 1.從demo 學起 tiny 6410 上的開發，我的任務不斷是新增小模組。交叉編譯器，以及其它一系列 tool chains 可直使用產商提供的工具。避免過多細節的好處在於，你可以從整體處著手你從書本學到的理論知識。2.kernel 編譯其它很簡單...

Golang 編譯 條件編譯

條件編譯 標籤編譯 build tag build build linux and 386 or darwin and not cgo 以 開始，例如 build 支援 goos 與 goarch 並可以具有多個值，用 分割，例如 build linux,darwin,freebsd 支援 不等條件...