内容简介：因为之前我用的笔记本（华硕）配置不是很高，而且没有独立显卡，现在我也不怎么推荐使用华硕的笔记本（个人观点，如果不满意那也没办法哈哈！）。所以，当时玩Deep Leraning比较吃力，就好比穿了一双盗版或低配的篮球鞋上场打比赛，比分很容易落后且容易受伤。当你看着别人几十分钟跑完一个数据库，可你还在刚刚启动。。。。。。
二月已经不知不觉过去了一大半，新年的开工部分同学估计也过去一周了吧。下周二貌似元宵节，在此“计算机视觉战队”祝大家元宵节快乐，接下来的”猪“年财源滚滚、科研硕果累累、实现自己的目标！
记得，上周有几个小伙伴问我们可不可以照顾下新手，刚刚入门的同学，其实，我们之前很多推送都是为你们准备的，如果想认真学习的你，我建议可以回头去阅读下我们的历史消息。
今天我们来简单说说常用 工具 的环境搭建，主要说下Caffe的吧，因为之前我们就有详细说过了。
因为之前我用的笔记本（华硕）配置不是很高，而且没有独立显卡，现在我也不怎么推荐使用华硕的笔记本（个人观点，如果不满意那也没办法哈哈！）。所以，当时玩Deep Leraning比较吃力，就好比穿了一双盗版或低配的篮球鞋上场打比赛，比分很容易落后且容易受伤。当你看着别人几十分钟跑完一个数据库，可你还在刚刚启动。。。。。。
所以，我也只能使用简单的CPU处理一些简单的网络模型。
在此，我就写一下安装过程的总结，希望给初学者一些简单的帮助，也希望少走弯路，直接可以上手操作。
CPU配置Caffe，其配置过程特别简单，而且所需库函数很少。如果是初学者，想了解下Caffe的基本训练及简单测试过程，可以通过这个简单的配置来实现，为后期复杂的配置、网络训练&测试及后去网络的修改打下基础。
Ubuntu Linux版下载及安装
Ubuntu下载地址大家自己度一下就会有很多，这就不具体说了吧。O(∩_∩)O~~
下载后，开始准备安装，我是用U盘做启动盘安装的，其实还有其他方法，硬盘安装也很简单。
具体安装步骤如下：
-
制作 U 盘启动盘，我使用UltraISO工具
-
安装成功后运行，会出现对话框，选择试用就好了
-
然后，按照网上步骤制作U盘启动
-
U盘启动盘制作成功后，运用电脑启动（每个人的电脑按键不一样，有一个快速选择启动方式），或者进Bios里去设置为U盘启动
-
之后就进入安装界面，左边选择中文，右边点击安装即可，没有连接网时请选择不添加“安装这个第三方软件”，然后点击继续，安装Ubuntu点击现在安装，城市默认就好，键盘布局默认，之后输入名字和密码，再点击继续，显示安装，安装后点击重启。（跟着这个步骤走就不会有问题，至于那个空间大小选择，那根据自己情况设置，如有不懂可以看他人怎么设置的，请点击看他人怎么设置的！）
-
安装完毕后重启，然后拔出U盘（记得拔出，不然会再次进入Ubuntu安装界面）
-
进入后，看到输入密码界面，输入预先设置的密码即可，到这安装已经大功告成
Environment Variables环境变量
在桌面按“ Ctrl+Alt+t ”就可以进入命令界面，在终端输入以下命令：
对了，那个CUDA7.5下载地址：https://developer.nvidia.com/cuda-downloads
其安装过程需要连接网络，下载好后拷贝到/home/***（您服务器名字）这个目录
-
sudo dpkg -i cuda-repo-ubuntu1404-7-5-local_7.5-18_amd64.deb 等待完成；
-
sudo apt-get update 等待完成；
-
sudo apt-get install cuda等待完成。
CUDA7.5 安装就成功了。
然后在终端输：
-
export CUDA_HOME=/usr/local/cuda-7.5
-
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
-
PATH=${CUDA_HOME}/bin:${PATH}
-
export PATH
接下来安装 cuda-nvcc
装好CUDA7.5安装包以后，在终端输入：nvcc-V
此时终端会提示nvcc没有安装，所以终端输入：sudo apt-get installnvidia-cuda-toolkit即可。
OpenCV安装
OpenCV就不用详细说了吧，之前我们 CV入门系列 一直在说这个，而且有一个系列专门针对OpenCV说了，可以回去学习下！
安装BLAS
这里我们不用mkl，用的是atlas，即在终端输入命令： sudo apt-get installlibatlas-base-dev。 系统就会自动安装atlas，请耐心等待。
安装其他依赖项
依然在终端输入命令：
-
sudo apt-get installlibprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-devprotobuf-compiler
-
sudo apt-get install--no-install-recommends libboost-all-dev
-
sudo apt-get installlibgflags-dev libgoogle-glog-dev liblmdb-dev
配置Caffe-Master
下载地址： GitHub - BVLC/caffe: Caffe: a fastopen framework for deep learning.
配置步骤：
将下载好的caffe-master.zip 拷贝到/home/***（您的服务器名字）文件夹下，点击鼠标右键，选择提取到此处，提取后在终端输入：
-
cd /home/***（您的服务器名字）/caffe-master
-
cp./Makefile.config.example./Makefile.config
进入caffe-master中打开刚刚新建的Makefile.config 文件，进行小部分修改，如下：
启用CPU
去掉CPU_ONLY := 1前面的#即可
保存退出，然后在命令界面编译caffe，即在终端输入：
-
cd /home/***（您的服务器名字）/caffe-master
-
make all -j4 （"‐j4"是使用 CPU 的多核进行编译,可以极大地加速编译的速度）
-
make test -j4
-
make runtest -j4
过程比较久（如果你电脑配置很强，估计很快！）至此，caffe编译完成。
今天就先讲到这里吧，下次我们说说TensorFlow的搭建及简单使用。下期我们基于Caffe和TensorFlow实现简单Demo，感谢本次阅读，谢谢！
如果想加入我们“ 计算机视觉战队 ”，请扫二维码加入学习群，我们一起学习进步，探索领域中更深奥更有趣的知识！
以上所述就是小编给大家介绍的《CV 环境很重要，各种环境搭建大全》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持！
猜你喜欢:
- Hyperledger Fabric环境搭建及环境测试(Mac环境)
- Openstack Queens 环境搭建（一）环境准备
- Python 环境搭建
- 1 - 搭建开发环境
- 搭建 Android 内核环境
- Spark集群环境搭建
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
