在下半年选修了机器学习的关键课程Machine learning and deep learning,但由于Macbook Pro显卡不支持cuda,因此无法使用GPU来训练网络.教授推荐使用Google Colab作为训练神经网络的平台.在高强度的使用了Colab一段时间后,我把自己的个人感受和使用心得与大家分享,同时也给想要尝试的同学详细介绍Colab具体的上手方法. 一.Colab介绍 在第一次使用Colab时,最大的困难无疑是对整个平台的陌生而导致无从下手,因此我首先介绍与Colab相关

0.检查配置 1. VMWare上运行的Ubuntu,并不能支持真实的GPU(除了特定版本的VMWare和特定的GPU,要求条件严格,所以我在VMWare上搭建好了Caffe环境后,又重新在Windows 7 64bit系统上安装了Ubuntu 14.04 64bit系统,链接在此,以此来搭建Caffe GPU版本): 2. 确定GPU支持CUDA 输入: lspci | grep -i nvidia 显示结果: 我的是GTX 650,然后到http://developer.nvidia.com

安装Caffe指导书 环境: Linux 64位 显卡为Intel + AMD,非英伟达显卡 无GPU 一. 安装准备工作 1. 以管理员身份登录 在左上角点击图标,搜索terminal(即终端),以super 管理员身份登录: 命令:sudo su 输入password即可 2. 安装Boost 命令:sudo apt-get install libboost-all-dev 3. 安装BLAS(Intel MKL) (1)  下载 Intel MKL库,解压后安装 下载地址: https:/

本来实在windows 10上尝试安装caffe,装了一天没装上,放弃; 改在windows上装ubuntu的双系统,装了一个下午,不小心windows的系统盘被锁死了,也不会unlock?只好含泪卸掉了windows10,只装ubuntu 15.10.过程真是让人揩一把辛酸泪...不过又在ubuntu中用错了一个命令,系统崩溃,重新安装win8.1 + ubuntu 14.04, 成功,继续安装caffe... 安装: ubuntu 14  .04, 1. 安装开发所需依赖包: sudo ap

昨天在mac上折腾了一天都没有安装成功,晚上在mac上装了一个ParallelDesktop虚拟机,然后装了linux,十分钟就安装好了,我也是醉了＝.＝ 主要过程稍微记录一下: 1.安装BLAS sudo apt-get install libatlas-base-dev 2.安装依赖项 sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5

记得2015年在mac系统上安装过一次caffe,非常顺利,但是最近群里许多同学反映mac安装caffe出现了各种问题,同时我也在帮助别人安装caffe的时候也遇到了一些坑,不再像以前这么顺利了.估计与操作系统,caffe升级有关.今晚我重新装了一遍caffe,记录下了整个安装过程,希望对各位同学有用.mac os 版本:10.11.4xcode 版本: 7.2 1. 安装Homebrew homebrew是一个包管理器,是用来安装各种包的安装器.安装方法也很简单,直接看主页吧.http://b

[最近一直想要学习caffe,但是苦苦纠结于环境安装不上,真的是第一步都迈不出去,还好有docker的存在!下面,对本人如何利用docker安装caffe做以简单叙述,不属于教程,只是记录自己都做了什么,方便以后查看,本人菜鸟一枚,虽然安装上了,但很多细节并不清楚] 为了能够在安装docker时方便一些,毅然决然将window7换为了ubuntu系统! 1. 安装docker (具体参考) sudo apt-get intasll docker.io 2. pull一个caffe的image 直

---恢复内容开始--- 最近尝试在MAC(OS X 10.11 El Capitan)上安装Caffe 以及Python接口遇到了一些问题但是官方安装教程上并没有提出这些问题的解决办法搜索了很久(主要在于Python接口上) 终于找到了解决办法 其实Caffe的安装分两步:安装依赖+编译源码 首先是安装依赖: [必要依赖]: 官方推荐用homebrew来安装: brew install -vd snappy leveldb gflags glog szip lmdb # 添加science源来

centos 6.5安装caffe 原文地址:http://blog.csdn.net/wqzghost/article/details/47447377   总结:在安装protobuf,hdf5等的时候指定了安装路径,这导致在11.12两个步骤中要配置编译选项及链接库的位置,这些软件默认应该是安装在/usr/local下的,如果这个推断是正确的,那么只需要编译caffe之前在/etc/ld.so.conf中添加如下内容: /usr/local/lib /usr/local/lib64 一.服

前言: 最近在学习深度学习,最先要解决的当然是开源框架的环境安装了.之前一直在学习谷歌的Tensorflow开源框架,最近实验中需要跟别人的算法比较,下载的别人的代码很多都是Caffe的,所以想着搭建好Caffe环境跑别人的代码.这中间经历过很多弯路,开始是入了Ubuntu16.04的坑,很多教程都说GCC版本不匹配,需要降级,我也尝试过发现很多坑:另外,就是安装matlab版本的Caffe以及安装GPU版本的Caffe,都经历了很多的波折,这前后摸索大概花了半个月左右.最后发现Ubuntu14

原创文章,未经允许不要转载   想安装很久了,一直到这时才开始安装,我是笔记本华硕FL5800L的,所以配置比较低.在win7 64位里面先装个vmware 12 pro,然后装了个Ubuntu1404 麒麟的(本来想装原版的,但是发现麒麟更适合国人一点,装完之后发现文件夹全部是中文的,意识到不能弄成中文文件夹名,以免后续麻烦.所以在Ubuntu的语音和支持里 我把其设置为了英文的了. 好了到此,我已经把虚拟机版的Ubuntu1404安装完了.因为是虚拟机,所以我没必要也没法启用GPU来训练神经

第一章 引言 在ubuntu16.04安装caffe,几乎折腾了一个月终于成功;做一文章做纪要,以便日后查阅.总体得出的要点是:首先,每操作一步,必须知道如何检验操作的正确性;笔者的多次失误是因为配置错误,但疏于检查引起;当然有些错误是ubuntu本身的bug;笔者不知,只能来来回回‘鬼打墙’直到某日发现;另一个经验只谈是对每一个支撑尽量知道它是用来干什么的,多百度几下没有坏处;最后一个经验是,对系统的基本结构要要框架了解,比如,通过apt-get的软件放在哪里,通过make install的软

1. 前言 因为新的实验室东西都是新的,所以在服务器上要自己重新配置CAFFE 这里假设所有依赖包学长们都安装好了,我是没有sudo权限的 服务器的配置: CUDA 8.0 Ubuntu 16.04 LTS Tesla K80 2. 安装Caffe 先从GITHUB上CLONE下CAFFE的安装包 git clone https://github.com/BVLC/caffe.git 复制编译配置文件: cp Makefile.configure.example Makefile.configu

因为有项目想采用深度学习,而caffe是深度学习框架中比较理想的一款,并且跨平台,以及可以采用python/matlab的方式进行调用等优势,所以想在服务器上安装,下面就开始了血泪史... 服务器是阿里云的centos7.3,安装caffe,需要安装ffmpeg,boost,opencv等等.本文依照ffmpeg3.3.2 版,boost为1.64版,opencv为2.4.13.2,caffe的版本为最新版为例来说. 本文主要采用自行编译安装各大软件. 首先安装一些依赖包 yum install

最近在Windows10上安装了caffe和tensorflow,折腾了好久.在此记录一下. 安装caffe的过程已在另一篇博客中进行了记录,在此不再赘述.而tensorflow也是非常简单的,也不再详细说明. 安装caffe和tensorflow比较重要的一点是,要确保把依赖正确安装好.GPU版本的caffe需要7+版本的CUDA和5.5/5.0的CUDNN.而GPU版本的tensorflow在1.5.0以上的版本则需要CUDA9和CUDNN7.两个框架对CUDA和CUDNN的不同要求造成了小

学习深度学习已经很久了,但一直没有自己动手安装过caffe,因为工作需要,需要在linux系统中安装caffe,因此,在这里对安装过程进行记录. caffe配置起来比tensorflow更麻烦一些,我主要是根据官网上的安装说明进行安装的,也参考了Youtube上的教程.我是在虚拟机中的Ubuntu18.4系统中进行安装的,安装的是CPU版本的caffe. 在caffe官网上可以找到Ubuntu系统中caffe的安装说明因为我的Ubuntu版本是>=17.4的. 安装caffe前,先按照官网上的说

不多说了,经历了很多莫名其妙的错误最后终于安装好了,直接放安装脚本: #!/bin/bash #安装时要注意有些库可能安装失败以及安装caffe有和protobuf相关错误时可能需要重新对protobuf进行make install cd /home/zw/softwares #需要事先下载对应版本的cuda --local-ga2_8.0.61-1_amd64.deb sudo apt-get update sudo apt-get install cuda cd /home/zw/git_h

安装caffe框架所需文件: 1.微软提供的快速卷积神经网络框架caffe-master安装包或者windows提供的caffe-windows安装包. 链接:http://pan.baidu.com/s/1hs8ngpA 密码:ith0 2.并行计算框架CUDA**,注意要和你电脑上安装的NVIDA显卡驱动的版本所对应(此处要根据电脑上的显卡类型,更新显卡驱动程序为最新版本,比如GTX970对应的英伟达的显卡驱动程序最新版本是376.51),否则安装时会出现与系统不兼容的错误. 链接:http

服务器是Ubuntu Server 16.04,可以ssh和vnc连接. 安装caffe步骤 1. 安装anaconda2:这里不能用3,不知什么原因,cmake错误,无法生成pycaffe 2. 安装opencv: a)直接用conda里的opencv比较方便,也不会出现少tiff的问题,命令 conda install opencv b)conda下还少新版的libgcc,若不更新,则make runtest出错,命令 conda install libgcc 3. 编译Caffe cmak

目录 仅安装CPU版本的caffe 1.下载相关的依赖包: 2.安装opencv3 3.安装caffe 参考文献: 仅安装CPU版本的caffe 1.下载相关的依赖包: sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler sudo apt-get install --no-install-recommends lib

虽然Ubuntu 18.04可以通过apt安装caffe,但是为了使用最新的代码,还是值得从源码安装一遍的. 安装环境 OS: Ubuntu 18.04 64 bit 显卡: NVidia GTX 1080 CUDA: 10.0 cuDNN: 7.4 Python: 3.6 任务:从源码编译安装caffe 安装OpenCV 参考[笔记] Ubuntu 18.04源码编译安装OpenCV 4.0流程,安装OpenCV. 安装依赖 $ apt install -y libprotobuf-dev l