MacOS编译安装Caffe

Caffe是一个清晰而高效的深度学习框架,是纯粹的C++、CUDA架构,支持命令行,Python和MATLAB接口,可以在CPU和GPU直接无缝切换,Caffe的优势:

  1. 上手快,模型和相应优化都是以文本形式而非代码形式给出,Caffe给出了模型的定义,最优化设置以及预训练的权重,方便立即上手。
  2. 速度快,Caffe与cuDNN结合使用,能够运行最棒的模型和海量的数据。
  3. 模块化,方便拓展新的认知和设置.
  4. 开源,开放

Caffe在MacOS可以使用Homebrew安装,也是自行编译源代码安装,这里介绍下直接编译源代码安装.

下载Caffe源代码

Caffe的github地址:https://github.com/BVLC/caffe,直接克隆Caffe源代码:

git clone git@github.com:BVLC/caffe.git

复制Makefile.config文件:

cd caffe
cp Makefile.config.example Makefile.config

Makefile.config文件中有些编译选项需要做更改才能在MacOS上面编译通过,后面会介绍,下面先介绍下编译Caff所需要的依赖。

安装Caffe依赖

编译Caffe需要有大量的依赖,开始扁你之前,需要先安装这些依赖。
(1) 使用GPU模式需要安装CUDA,安装CUDA的命令:

brew cask install cuda

也可以不采用GPU模式,只使用CPU,在Makefile.config中做修改:

CPUU_ONLY=1

(2) Boost
Caffe使用的是c++开发,如果要使用python调用Caffe的接口的话,需要安装boot.python:

brew install boost --with-python
brew install boost-python

(3) OpenCV 安装,直接安装OpenCV

brew install opencv

OpenCV安装之后需要在Makefile.config中设置OpenCV的文件头路径,以及lib的路径:

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/local/Cellar/opencv/2.4.13.2/include
 LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/local/Cellar/opencv/2.4.13.2/lib

(4) 数据库leveldb,lmdb,hdf5安装:

brew install leveldb
brew install lmdb
brew tap homebrew/science
brew install install homebrew/science/hdf5

(5) 日志与数据操作

brew install protobuf
brew install glog
brew install gflags
brew install snappy

安装caffe-python依赖

先要安装 Python依赖库:numpy,h5py以及scikit-image

brew install numpy
pip install h5py
pip install scikit-image

安装完Python的依赖类库之后需要注意以下的4点:

  1. 设置Makefile.config中numpy的路径:

PYTHON_INCLUDE := /usr/include/python2.7
/usr/local/Cellar/numpy/1.12.0/lib/python2.7/site-packages/numpy/core/include

  1. 在python中使用OpenCV,需要把OpenCV安装目录下../python/site-packages里面的两个文件cv.pycv2.so拷贝到/usr/local/lib/python2.7/site-packages目录下,这样python才能调用OpenCV。
  2. Makefile.config设置WITH_PYTHON_LAYER:=1
  3. Makefile.config中设置PYTHON_LIB:

PYTHON_LIB := /usr/local/Cellar/python/2.7.13/Frameworks/Python.framework/Versions/2.7/lib

编译Caffe

使用make命令编译Caffe:

make clean
make all
make test
make runtest

编译Caffe-Python:

make pycaffe

以上编译都通过之后将caffe/python添加到python系统路径里fish设置命令:

set -gx PYTHONPATH path/to/caffe/python $PYTHONPATH

bash的设置命令:

export PYTHONPATH=path/to/caffe/python:$PYTHONPATH

使用Caffe

在命令行中直接测试Caffe是否编译成功。

python
import caffe

没有错误出现则表示Caffe安装成功。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,884评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,755评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,369评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,799评论 1 285
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,910评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,096评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,159评论 3 411
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,917评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,360评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,673评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,814评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,509评论 4 334
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,156评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,882评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,123评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,641评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,728评论 2 351

推荐阅读更多精彩内容