博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
docker ubuntu 下 配置 opencv caffe 记录
阅读量:2164 次
发布时间:2019-05-01

本文共 2721 字,大约阅读时间需要 9 分钟。

docker 下 ubuntu  caffe  配置记录:

(每一步都很重要,每一个地方不注意都有可能出错)

先贴出 编译成功代码

CXX src/caffe/util/upgrade_proto.cppCXX src/caffe/util/im2col.cppCXX src/caffe/util/math_functions.cppCXX src/caffe/util/db_leveldb.cppCXX src/caffe/util/blocking_queue.cppCXX src/caffe/util/hdf5.cppCXX src/caffe/util/io.cppCXX src/caffe/util/cudnn.cppCXX src/caffe/util/db_lmdb.cppCXX src/caffe/util/benchmark.cppCXX src/caffe/util/signal_handler.cppCXX src/caffe/util/insert_splits.cppCXX src/caffe/common.cppCXX src/caffe/syncedmem.cppAR -o .build_release/lib/libcaffe.aLD -o .build_release/lib/libcaffe.so.1.0.0CXX/LD -o .build_release/tools/caffe.binCXX/LD -o .build_release/tools/compute_image_mean.binCXX/LD -o .build_release/tools/upgrade_net_proto_binary.binCXX/LD -o .build_release/tools/upgrade_net_proto_text.binCXX/LD -o .build_release/tools/convert_imageset.binCXX/LD -o .build_release/tools/upgrade_solver_proto_text.binCXX/LD -o .build_release/tools/extract_features.binCXX/LD -o .build_release/examples/mnist/convert_mnist_data.binCXX/LD -o .build_release/examples/siamese/convert_mnist_siamese_data.binCXX/LD -o .build_release/examples/cifar10/convert_cifar_data.binCXX/LD -o .build_release/examples/cpp_classification/classification.binroot@dd1466f1fbbc:/home/l1/caffe_package/caffe-master#

 

1.  通过git 下载  caffe  源码

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

 2. 进入  caffe目录下

cd caffe

3.生成Makefile.config文件

cp Makefile.config.example Makefile.config

 4. 修改Makefile.config文件中的配置:

1)编辑Makefile.config文件:

sudo vim Makefile.config

2) 将下方的语句前的注释符号去掉:

USE_CUDNN := 1OPENCV_VERSION := 3CUDA_ARCH := -gencode arch=compute_30,code=sm_30 \                -gencode arch=compute_35,code=sm_35 \                -gencode arch=compute_50,code=sm_50 \                -gencode arch=compute_52,code=sm_52 \                -gencode arch=compute_60,code=sm_60 \                -gencode arch=compute_61,code=sm_61 \                -gencode arch=compute_61,code=compute_61WITH_PYTHON_LAYER := 1

此处注意  编译 caffe前 需要opencv 的版本 为 3..系列  ,不能用4..系列(笔者使用4.1.0编译   不符合文档中 OPENCV_VERSION := 3 的要求一直报错)。

此处  我使用的cuda版本是10.0 ,cudnn 版本为 与cuda10.0 匹配的cudnn7.6.5

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

 更改为:

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serialLIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib  /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial

之后   :wq保存退出。

vim Makefile

打开文件:

将语句更改为:

LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial

 

# NVCCFLAGS += -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)

保存

执行命令:

make all -j8

 执行测试: 

make runtest

 

配置完成。 

 

 

 

 

 

转载地址:http://kkczb.baihongyu.com/

你可能感兴趣的文章
mininet+floodlight搭建sdn环境并创建简答topo
查看>>
【linux】nohup和&的作用
查看>>
Set、WeakSet、Map以及WeakMap结构基本知识点
查看>>
【NLP学习笔记】(一)Gensim基本使用方法
查看>>
【NLP学习笔记】(二)gensim使用之Topics and Transformations
查看>>
【深度学习】LSTM的架构及公式
查看>>
【python】re模块常用方法
查看>>
剑指offer 19.二叉树的镜像
查看>>
剑指offer 20.顺时针打印矩阵
查看>>
剑指offer 21.包含min函数的栈
查看>>
剑指offer 23.从上往下打印二叉树
查看>>
剑指offer 25.二叉树中和为某一值的路径
查看>>
剑指offer 60. 不用加减乘除做加法
查看>>
Leetcode C++《热题 Hot 100-14》283.移动零
查看>>
Leetcode C++《热题 Hot 100-15》437.路径总和III
查看>>
Leetcode C++《热题 Hot 100-17》461.汉明距离
查看>>
Leetcode C++《热题 Hot 100-18》538.把二叉搜索树转换为累加树
查看>>
Leetcode C++《热题 Hot 100-19》543.二叉树的直径
查看>>
Leetcode C++《热题 Hot 100-21》581.最短无序连续子数组
查看>>
Leetcode C++《热题 Hot 100-22》2.两数相加
查看>>