| 环境 | 版本 |
|---|---|
| Ubuntu | 16.04 |
| CUDA | 9.0 |
| Miniconda3 | Python=3.7 |
sudo apt-get update
sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install -y --no-install-recommends libboost-all-dev
sudo apt-get install -y libatlas-base-dev
sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev
因为detect模型中使用了ssd网络作为框架，所以需要caffe的ssd分支
切换到对应分支
cd caffe
git checkout ssd
cp Makefile.config.example Makefile.config
其中的路径可能需要根据实际情况修改
开头的USE_CUDNN := 1根据CUDA版本是否适配来选择是否取消，用于加速，不一定要有
编译
make -16
由于使用了Python3,但是默认libboost_python符号链接指向了python2.7，因此需要做如下处理
cd /usr/lib/x86_64-linux-gnu
rm libboost_python.so
ln -s libboost_python-py35.so libboost_python.so
添加caffe-python包到python路径中
echo "export PYTHONPATH=$PYTHONPATH:/root/caffe/python" >> /etc/profile
source /etc/profile
同样要注意路径
安装caffe需要的python依赖
pip install scikit-image
编译python接口部分
make py
make test -j8
测试
python
import caffe
pip uninstall protobuf
pip install --no-binary=protobuf protobuf
pip install graphviz
pip install pydot
注意，使用apt安装
sudo apt-get install graphviz
需要下载好模型文件，并留意相关路径