caffe 深度學習 框架的建立

具體的安裝方案。我就不寫了。

請百度，認準csdn就可以了。

遇到什麼問題，就百度。盡量的找CSDN的答案。靠譜

但是學習建立的方法還是值得說一下的。

1、在GitHub下載caffe-master代碼根據安裝情況設置pros文件

2、使用vs軟體載入工程 先編譯libcaffe 工程生成依賴所需要的庫文件

3、使用mnist 樣例。學習整個訓練，識別分類的過程。

4、caffe 深度學習的四個階段要有認識

caffe深度學習所必須的四個階段

通過最直觀的學習步驟，我們首先認識的是caffe整個訓練流程

數據->生成指定格式的數據->編輯網路結構的文件->識別調用的過程

最有難點的是編輯網路結構的文件。也同時是我們目前最不需要關心。但是卻是以後我們的主要研究的方向。目前對我們來說，我們只要能用好大牛們研究好的網路結構，就可以了。後期，根據項目需要我們要進行結構演算法的優化整理。

5使用了現成的mnist進行學習訓練和識別過後。在進行純圖片的學習訓練和識別。更進一步的知道caffe處理流程。也更進一步的快速進入項目實踐中。

6尋找樣本。也就是大家常說的樣本標註，這個過程很繁雜。但也是很重要的。需要需要耐心。

整個深度學習的框架也就是如此。高深層次的理論。以後再涉及。

最主要的問題還有就是經常涉及到的GPU問題。

以前我們都知道家裡的電腦要顯卡。要獨立顯卡。玩遊戲什麼的。獨立顯卡很厲害。其實顯卡還有個很重要的處理單元GPU，支持cuda。AMD顯卡使用的openGL目前不支持cuda。

這個硬體的結構。直接影響到深度學習運行速度的問題。簡單的理解就是GPU運行的速度快於CPU。如果顯卡不支持運算。就只能使用CPU。如果顯卡支持GPU。那我們可以使用GPU。

使用GPU。就需要安裝CUDA。這裡面牽扯了一些問題。

1、不一定要安裝最新版本的cuda。很可能你的顯卡並不支持。找到最適合自己的cuda.我的顯卡是GEFORCE GT 630 。安裝cuda9.2 。檢測系統兼容性的時候查不到顯卡。安裝cuda7.5 沒有這個問題。

2、安裝cuda不成功的問題。我遇到的問題是cuda7.5安裝的時候CUDAVisualStudioIntegration出現了問題。安裝完畢後。使用vs載入cuda_sample的時候工程載入不進去。重新安裝。選擇自定義安裝將 CUDAVisualStudioIntegration 默認不安裝。但是在提取出來的文件裡面找到CUDAVisualStudioIntegration文件夾拷貝到另外的位置。cuda安裝成功CUDAVisualStudioIntegration沒有安裝。然後在將CUDAVisualStudioIntegration文件夾裡面的cuda7.5.pros也就是vs支持文件。拷貝到相應位置。這個位置怎麼找呢。使用vs載入cuda_sample的時候。工程載入不進去。會提示缺少個剛才的文件。就將CUDAVisualStudioIntegration文件夾下面的文件拷貝到vs提示缺少文件的路徑下面。關閉vs。拷貝完畢文件後。在重新打開vs。編譯成功

3.驗證cuda編譯成功的步驟。（1）打開cmd 輸入nvcc -V 輸出cuda版本號信息。說明正常。（2）運行剛才vs編譯生成的可執行文件。NVIDIA CorporationCUDA Samplesv8.0inwin64Release目錄下的deviceQuery.exe和bandwidthTest.exe

運行正常不報錯。說明cuda安裝成功

4.根據cuda的版本和windows版本下載cudnn。我使用的是cudnn-7.5-windows7-x64-v5.1

解壓後，將bin include lib裡面的文件相應的拷貝到 *NVIDIA GPU Computing ToolkitCUDAv7.5 裡面

至此，可以使用caffe 在GPU上面進行學習訓練 識別。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！