从0到1，手把手教你配置Caffe环境

Deep Learning
3.1k 字
大约需要 12 分钟

小喵的唠叨话：之前小喵也说过，自己主要是学习图像方面的深度学习算法的，深度学习可以理解为神经网络的拓展，是近年来最火的一项技术。小喵学得不好，就不在这里卖弄了。图像中，最常用到的是CNN模型，也就是卷积神经网络（Convolutional Neural Networks）。实现CNN有许多框架，Caffe，MXNet，Tensor Flow，ConvNet等。这次主要教给大家怎么从0开始，配置自己的Caffe环境。

由于是从0开始安装，如果有什么软件是大家已经装好的，就可以自行跳过。小喵的电脑是CentOS7,64位。主要按照下列的软件顺序进行安装：

  1. GMP
  2. MPFR
  3. MPC
  4. GCC 4.7.4
  5. CMAKE
  6. Python
  7. Boost
  8. Opencv：Python-Opencv
  9. Glog
  10. Gflags：Python-gflags
  11. Google-apputils
  12. Protobuf
  13. Snappy
  14. LevelDB：Pyhton-leveldb
  15. Lmdb
  16. OpenBlas
  17. CUDA
  18. cuDNN
  19. Caffe

第一步，更新系统的 GCC 如果是在个人的PC上进行更新，可能只需要使用 yum 或者 apt-get 等工具。小喵的实验环境是服务器，因此自己并没有root权限，还是需要按部就班的安装。

GCC 依赖 GMP，MPFR 和 MPC 这三个库，它们主要是提供了一些数值计算等的函数。

Tips: 编译的时候使用make命令的时候，可以加入参数-jn，可以多核一起编译，速度会快很多。

make -j4

则表示4个核一起编译。

1，GMP

GMP，https://gmplib.org/，一个高精度计算的库。从官网上下载得到安装文件，小喵下载的是6.1.0的版本。解压之后，使用命令:

cd /download/path/to/gmp/
./configure --prefix=/path/to/install/
make
make install

完成安装(/path/to/install/表示你希望安装的位置)。注意prefix前面是两个'-'。

安装完成之后，修改根目录中的 .bash_profile。将 gmp 安装后的文件夹中的lib的路径加入到 LD_LIBRARY_PATH 中。

注意：之后每步操作都检查安装后的文件夹中，是否有lib目录或lib64目录，如果有，则加入 LD_LIBRARY_PATH 中。（lib64是64位的系统的库，如果两个目录都存在，将lib64加入到 LD_LIBRARY_PATH 就可以）。如果发现有bin目录，则将它加入PATH中，bin目录放置的都是可执行程序，只有加进PATH里面，系统才能够找到（大家都不会希望用ls命令的时候，都写成/bin/ls吧）。配置完后，可以source一下自己的 .bash_profile 文件，确保当前的环境是最新的。

2，MPFR

MPFR，http://www.mpfr.org/，一个浮点数计算的库，该库对 GMP 有依赖，所以要在 GMP 之后安装。下载安装文件，小喵的是3.1.3版本。解压，使用命令。

cd /download/path/to/mpfr/
./configure --prefix=/path/to/install --with-gmp=/path/to/gmp/
make
make install

这里的/path/to/gmp/表示上一步的gmp安装的位置。

3，MPC

MPC，http://www.multiprecision.org/，一个复数的代数库，依赖 GMP 和 MPFR。下载安装包，版本1.0.3。解压。

cd /download/path/to/mpc/
./configure --prefix=/path/to/install/ --with-gmp=/path/to/gmp/ --with-mpfr=/path/to/mpfr/
make
make install

/path/to/gmp/，/path/to/mpfr/分别表示gmp和mpfr的安装路径，以下的说明都是这种形式，不再特意强调。

4，GCC

完成上述的三个代数运算库的安装之后，则可以开始GCC的升级工作。小喵的电脑上是CentOS 7，GCC默认版本是4.4。4.4版本的GCC只能编译到4.7版本或以下的GCC，所以如果需要编译更高版本的GCC，则需要先编译较低版本的GCC，再使用新安装的GCC编译更高版本的。另外GCC编译时间较旧，可以考虑多核一起编译（还记得make -j4这个命令了吗？:-D）。

GCC，https://gcc.gnu.org/，一个Linux上的强大的编译环境，提供对各种语言：C/C++，Fortran，Java等的编译支持。下载安装程序，这里选择4.7.4版本（不要选择更高的版本，低版本的GCC不一定能编译）。

cd /download/path/to/gcc/
./configure --prefix=/path/to/install/ --enable-threads=posix --disable-checking --disable-multilib --enable-languages=c,c++,fortran --with-gmp=/path/to/gmp/ --with-mpfr=/path/to/mpfr/ --with-mpc=/path/to/mpc/
make
make install

安装完成，不要忘记把bin目录和lib64目录分别加入 PATH 和 LD_LIBRARY_PATH。source一下后，使用 gcc --version，你会发现gcc的版本已经变成4.7.4了。

5，CMAKE

CMAKE，https://cmake.org/，是一个跨平台的安装（编译）工具，可以用简单的语句来描述所有平台的安装(编译过程)。版本3.4.1。解压。

cd /download/path/to/cmake/
./configure --prefix=/path/to/install/
make
make install

6，Python

Python，https://www.python.org/，一种超好用的编程语言，有着胶水语言的美称。不仅语言简洁，相关的工具库也异常丰富。用 Python 可以很快的编写出测试原型，而且 Caffe 本身也提供了 Python 的接口。这里选择2.7.*版本。注意Python2.7.和3.5.并不完全兼容，目前主流的 Python 还是2.7，而且相关库的支持也比较成熟。由于还需要安装许多依赖的计算方面的库，不建议直接从官网下载。推荐下载 Anaconda 这个集成好的 Python环境。https://www.continuum.io/，记住，2.7.*版本。小喵这里安装好的是2.7.10。

下载好之后，直接运行，然后跟个提示就刻轻松安装。

安装完成后，需要在 .bash_profile 中进行基础修改。

假定 ANACONDA_ROOT 表示安装的目录。将 $ANACONDA/bin/ 加入 PATH，将 $ANACONDA/lib/ 加入 LD_LIBRARY_PATH 加入新变量 PYTHONPATH，并 export 出来。export PYTHONPATH=$ANACONDA/lib/python2.7/site-packages，source一下则配置完成。

如果是安装官网的 Python，之后可能需要再安装 Numpy 这个库，否则不能正确调用 OpenCV。Anaconda 已经集成了，所以我们这里不用再次安装。

7，Boost

Boost，http://www.boost.org/，又称 C++准标准库。传言，如果希望自己的库可以进入C++标准库，那么可以让它成为Boost的一部分，久而久之，Boost中的精华就会融进C++标准库。如果比较关注C++标准库的发展，重看每次更新的部分，应该大多都能看到Boost的身影。Boost中提供了很多强大又稳定的库，包括智能指针，各种算法库等等。这些在Caffe中都有用到。

这里下载1.58.0版本，Caffe对最新的1.60.0并不完全兼容。

cd /download/path/to/boost/
./bootstrap.sh --prefix=/path/to/install/
./b2 install

加入环境后，则完成安装。

8，OpenCV

OpenCV，http://opencv.org/，一个开源的图像处理相关的库，不仅能够进行图像的各种处理（缩放，翻转，模糊等等），还内置了许多的机器学习的算法（比如 AdaBoost 的人脸检测）。图像处理必备库。这里下载版本2.4.11（小喵试了2.4.9和2.4.11两个版本，都可以正确安装）。3.0或以上的版本安装可能会有问题。

OpenCV 的安装需要使用 cmake 工具来完成 configure 工作。请确保之前的 cmake 已经安装，并加入到 PATH。

cd /download/path/to/opencv/
mkdir build                    # 创建一个临时目录
cd build
ccmake ..                      # 这里使用ccmake，比cmake界面更友好

刚进入的时候，显示 EMPTY CACHE，根据提示，按 c，进行 configure 之后便可以看到配置界面，有许多的变量和其对应的值。我们主要检查以下几项 PYTHON_NUMPY_INCLUDE_DIR， PYTHON_PACKAGES_PATH， SPHINX_BUILD 如果之前的步骤都完成的话，这几项参数应该可以从系统中直接读取，如果发现没有读取，可能是没有加入环境变量或者安装错误。检查结束后，修改 CMAKE_INSTALL_PREFIX 的值，改成自己期望安装的位置。

在界面中，可以看到几个类似 BUILD_PNG， BUILD_JPEG 的参数，它们是图像处理的相关的库。如果系统中之前没有安装过这些库，而你需要 OpenCV 能够处理这些类型的文件，就把这些变量设成 ON，这样就会把这些库一起编译。

界面中有类似 WITH_PNG，WITH_JPEG 的变量，如果选成 ON，则 OpenCV 会安装对这些类型图片的支持。 Warning: 小喵在安装的时候就犯了一个错误，把 WITH_PNG 设成了 ON，但是把 BUILD_PNG 设成了 OFF，导致编译的时候找不到 libpng 的一些.so文件。所以如果大家需要对特殊类型图片的支持，要记得把前后都设成 ON。

最后根据提示进行操作，就会生成对于的 Makefile 文件，则可进行下面的步骤：

make
make install

记得把bin和lib分别加入到环境变量。至此，OpenCV 也就装完了。

接下来，要让 Python 能够调用 OpenCV。 方法很简单，将 %OPENCV_INSTALL_PATH%/lib/python2.7/site-packages 下的文件（应该只有两个），拷贝到 %ANACONDA_INSTALL_PATH%/lib/python2.7/site-packages 中，即可。

为了保险起见，你可以打开 python，输入 import cv2，看看有没有异常，没有的话，应该就是配置成功。

9，glog

glog，google-log，https://github.com/google/glog，是google做的一项开源的项目，是一个C++的记录日志的工具。Caffe中有用到。可以下载源码，然后自己编译（貌似必须再装三个google的软件才可以），小喵安装的时候直接下载了release版本的程序 https://github.com/google/glog/releases。解压，执行：

cd /download/path/to/glog/
./configure --prefix=/path/to/install/
make
make install

加入lib目录。安装完成。

10，gflags

gflags，https://github.com/gflags/gflags，貌似是一个处理命令行的C++工具，Caffe需要用到。该工具的安装也需要cmake。解压后执行：

cd /download/path/to/gflags/
mkdir build
cd build
ccmake ..
# 设置安装路径CMAKE_INSTALL_PREFIX
# 把BUILD_SHARED_LIBS设成ON
make
make install

把lib目录加入 LD_LIBRARY_PATH，则完成安装。使用 Python 调 Caffe 的时候，也会用到这个库，所以需要给 Python 也安装对于的库。这里可以用源码安装，也可以使用 pip 这个工具。

pip install python-gflags

11，google-apputils

下载源码安装，或者使用 pip 安装

pip install google-apputils

12，Protobuf

Protobuf，https://github.com/google/protobuf，又是一个google出品的软件。可以通过简单的方式定义各种语言下数据结构。Caffe中有用到。

下载realse版本的程序来安装，https://developers.google.com/protocol-buffers/docs/downloads。解压，执行：

cd /download/path/to/protobuf/
./configure --prefix=/path/to/install/
make
make install

增加python的支持：

pip install protobuf

13，Snappy

Snappy，https://github.com/google/snappy。可以通过源码安装，也可以下载release版本，https://github.com/google/snappy/releases/。

cd /download/path/to/snappy/
./configure --prefix=/path/to/install/
make
make install

14，leveldb

leveldb，https://github.com/google/leveldb，一个轻量级的数据库。直接下载源码，解压。

cd /download/path/to/leveldb/
make

之后直接生成了库文件。建议把生成的库文件和include文件夹都放置到合适的目录，并将库所在的目录加入 LD_LIBRARY_PATH。

pip install leveldb

增加python的支持。

15，LMDB

LMDB，https://github.com/glycerine/liblmdb，也是一个轻量级的数据库。解压之后，修改里面的 Makefile 文件的 prefix 为需要安装的位置。

make
make install

16，OpenBlas

OpenBlas，http://www.openblas.net/，一个代数库，同为代数库的还有 MKL，ATLAS。解压，执行：

make
make install PREFIX=/path/to/install/

完成安装。

17，CUDA

CUDA，https://developer.nvidia.com/cuda-downloads，GPU支持。小喵下载的是 cuda_7.0.28_linux.run 这个版本的安装程序。官网说明的安装过程需要用root执行：

sudo sh cuda_7.0.28_linux.run

但事实上，不需要 sudo 也可以执行安装。非root的话，可能不能进行显卡驱动的安装，我这里已经有了驱动，所以不需要root安装。

另外驱动和cuda的版本必须一致，不然后出现cuda不能启动的错误。直接:

sh cuda_7.0.28_linux.run

之后根据提示安装即可。

18，CUDNN

cuDNN，https://developer.nvidia.com/cudnn，是CUDA的加速程序。解压之后貌似就算成功。CUDA7.0建议使用CuDNN v3。

19，CAFFE

Caffe，http://caffe.berkeleyvision.org/，卷积神经网络的训练框架。在 github 上下载源码，https://github.com/BVLC/caffe。修改 Makefile.json 文件, 这里需要修改很多地方，需要自对照着修改。最后需要执行:

make
make pycaffe
# 如果需要验证是否安装成功，使用下面的命令
# make test

则完成安装！

以上便是整套Caffe环境的安装教程。如果有任何错误，请大家指正。

转载请注明出处。