深度学习框架caffe的学习.docx

深度学习框架caffe的了解摘要：caffe是贾扬清开发的一个清晰，可读性高，快速的深度学习开源框架，目前已经的到了广泛的应用。本人基于Ubuntu14.04 64bit操作系统、caffe框架以及一些依赖软件，对caffe安装以及使用进行了成功实验。本文就实验的整个实验过程以及实验结果进行描述。关键词：caffe、深度学习、开源框架1　caffe的安装尽管caffe目前取得了较为广泛的应用，但其运行环境搭建对于初学者来说仍然是一个复杂繁琐的过程。此部分将详细描述caffe在单机安装的整个过程，并附上相关图片。1.1　硬件配置及操作系统本实验用的电脑为普通个人电脑，硬件配置参数为：Intel(R) Core(TM) i5-3230M CPU @ 2.60GHz 4GB RAM。操作系统采用官网推荐的操作系统Ubuntu14.04，安装磁盘空间为100GB。1.2　安装依赖软件依赖库安装。caffe的依赖软件包括一些使用到的函数库，包括libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler libboost-all-dev。其中boost库的版本需要安装v1.55或以上版本。可在控制台运行如下命令进行安装：sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev工具安装。其次是安装一些必要工具，包括git、cmake，采用如下命令安装：sudo apt-get install cmakegitgoogle-glog安装。google-glog根据官方提供的方法可以直接运行如下命令进行安装，但由于网络限制，采用官方给定的方式将不能下载google-glog。本实验在其它网站下载google-glog的压缩包glog-0.3.3.tar.gz之后进行安装的。gflags的安装方式类似，以下是安装需要用到的命令。# glogtar zxvf glog-0.3.3.tar.gzcd glog-0.3.3./configuremake make install# gflagsunzip master.zipcd gflags-mastermkdir build cd buildexport CXXFLAGS=-fPIC cmake .. make VERBOSE=1make make installlmdb的安装。caffe最初支持leveldb和lmdb两种数据格式的文件，但由于lmdb的读取速度要比levaldb的读取速度快1.5倍，caffe后来的版本仅仅支持lmdb数据格式的文件。lmdb存储引擎是一个开源的工具，可采用git在github上直接下载安装。# lmdbgit clone /LMDB/lmdbcd lmdb/libraries/liblmdbmake make install安装Atlas。Atlas是一个免费的矩阵函数库，可用付费的Intel MKL代替。sudo apt-get install libatlas-base-dev到此为止相关依赖工具的安装已经完成，次部分工具的安装比较简单，基本不会出现安装错误。1.3　安装OpenCVOPenCV在各个平台的安装配置都比较麻烦，为简化操作，提高安装成功的概率，本实验采用脚本进行安装。安装脚本可通过git在github下载。下载命令如下：git clone git@:bearpaw/Install-OpenCV.git下载完成之后进入文件夹（如图1.1），可以找到多个版本的安装脚本，本实验采用的时2.4.10版本，运行命令./opencv2_4_10.sh进行安装。若脚本不可执行（.sh文件的颜色非绿色），需要执行chmod +x *.sh赋予这些.sh文件可执行权限。图1.1以上是caffe安装的整个过程，本人曾尝试安装GPU驱动，但未能安装成功，在此不再叙述，下面数据集的训练采用的时CPU，未使用GPU。1.4　caffe安装caffe压缩包直接通过git下载，git clone git@:BVLC/caffe.git，下载完成之后进入caffe主目录，执行以下命令编译caffe。其中后面的j4参数表示用４个线程进行编译，可加快编译速度。make all -j4make testmake runtest编译完成之后会给出如下提示信息（图2.1），此时即可使用caffe训练数据集。图1.22　mnist数据集的训练根据官方文档，在训练模型之前需要