环境配置5-Ubuntu下安装Caffe和YOLO

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/sinat_30440627/article/details/80646971

在Ubuntu系统、NVIDIA显卡驱动、CUDA、cuDNN、openCV都安装好之后，准备安装Caffe。

安装Caffe

1-安装依赖项

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler

sudo apt-get install --no-install-recommends libboost-all-dev

sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev

sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

大部分应该在之前的环境配置中都已安装，然后更新

sudo apt-get update
sudo apt-get upgrade

2-下载Caffe安装包

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

解压后进入目录中

3-创建并修改编译指导文件

sudo cp Makefile.config.example Makefile.config

sudo gedit Makefile.config

打开后：

    (1)若使用CPU+Caffe，则将CPU_ONLY:=1前的#删除

        若使用GPU+cuDNN+Caffe，则将USE_CUDNN:=1前的#删除

    (2)若使用的openCV版本是3开头的，将OPENCV_VERSION:=3前的#删除

    (3)若要使用python来编写layer，则将WITH_PYTHON_LAYER:=1前的#删除

    (4)将# Whatever else you find you need goes here.下面的

          INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include

          LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib 

          修改为： 

       INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial

       LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial 

4-修改Makefile文件

    sudo gedit Makefile

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

    替换为

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

5-依次执行

     sudo make all -j6

     sudo make test -j6

     sudo make runtest -j6

上述过程不报错则表示安装Caffe完成。

    备注：

1-执行sudo make runtest -j6时，如果报错Cannot creat Cublas handle.Cublas won't be available，重新安装一个低版本的显卡驱动，再不行就需要重新安装低版本的CUDA进行尝试。

1-执行sudo make runtest -j6时,如果报error while loading shared libraries:libopencv_core.so.3.4:cannot open shared object file:No such file or directory.

运行sudo ldconfig，再runtest

安装YOLO

下载yolo，https://github.com/pjreddie/darknet

解压后，cd darknet

修改Makefile，使

          GPU=1

          CUDNN=1

          OPENCV=1

          LIBSO=1

          NVCC =/usr/local/cuda-8.0/bin/nvcc

保存退出，在darknet目录下运行make。

去下载权重文件进行测试，这里用的是yolo2

https://pjreddie.com/darknet/yolov2/

将权重文件放入darknet目录下，测试图片效果

./darknet detect cfg/yolov2.cfg yolov2.weights data/dog.jpg

测试摄像头实时效果

./darknet detector demo cfg/coco.data cfg/yolov2.cfg yolov2.weight

如果都可以测试成功，表示YOLO环境搭建成功。