学习 Linux 下使用 caffe 进行模型训练（一）

关注

原创最新推荐文章于 2026-04-24 00:30:00 发布 1k 阅读 AI 写同款· GEO 优化 ›

学习 Linux 下使用 caffe 进行模型训练（二）前言距离环境完成环境配置已经过去一个月了，这一个月内从整理数据、模型训练到最后结果分析，完成了一整个 yolo 识别的流程，因此把这个作为一个节点，来记录一下 caffe 模型训练过程，关于结果分析下一篇再细说~。前期准备一、网络选择上一篇学习 Linux 下使用 caffe 进行模型训练（一）中，只是说明了对 caffe 源码的编译过程，由于 caffe 的特殊性，需要提前编译好你所... 阅读详情

前言

因为实习的缘故，要在 Linux 服务器上使用 caffe 进行深度学习的网络训练，所以近期开始学习 caffe 的相关内容。
作为一个菜鸟，之前好不容易完成了 Anaconda 的安装，这接下来的坎当然是配环境了嗯……经过两天的删删改改，终于算是配置完成了~第一次篇 Blog 就来记录一下这个坎坷的过程好了。

Linux 下 caffe 环境配置

因为是公司内部服务器（我没有 root 权限），所以即没有图形界面也不能方便的使用 apt-get 这种方便的命令，因此只能是通过 conda 进行安装或者下载源码自己进行编译。同时，由于 conda install 时会出现 “安装 package B 时，将之前安装的 package A 中的部分包的版本进行修改” 的问题，所以最终选择了自行下载源码并进行编译的方法。

一、依赖包源码打包下载

按照组内的文档，依次下载依赖包： ProtoBuffer、Boost、GFLAGS、GLOG、BLAS、HDF5、OpenCV、LMDB、LEVELDB、Snappy 包的源码（zip or tar.gz)，然后新建一个文件夹 local_install 用于安装这些依赖包，方便后期用添加环境变量的方式直接调用它们。

二、依赖包源码编译

下面以 ProtoBuffer （protobuf-2.6.1.zip）为例，安装流程如下：

unzip protobuf-2.6.1.zip
cd protobuf-2.6.1
# 以下为 Linux 下的编译三连，这里不多做介绍了，怕理解不到位说错话……
./configure -prefix=/home/my/local_install
make
make install

这时，之间建立的空目录 local_install 下就会出现 bin、include 和 bin 三个目录，之后编译的结果也都会存入这三个目录下。同时 protoBuffer 比较特殊，后续的依赖包会需要它，因此安装后通过 export PATH=/home/my/local_install/bin/:$PATH 将其加入环境变量中。
当不同依赖包的编译有定的差别，下面将列一下（省略了解压缩步骤）：

# 对于 Boost，其内部有用于编译的 shell 脚本，因此直接 gcc 编译后，运行生成
# 的 b2，之后将结果 cp 到之前的 local_install 中即可。
./bootstrap.sh --with-libraries=all --with-tooset=gcc
./b2
cp -r boost/ /home/my/local_install/include/
cp stage/lib/* /home/my/local_install/lib/

# GFLAGS 的安装用到了 cmake 来生产 Makefile
mkdir build; cd build/
cmake
ccmake 
# 在配置界面需要把 BUILD_SHARED_LIBS 设为 ON，把 CMAKE_INSTALL_PREFIX 设
# 为 /home/my/local_install/，之后保存并生成 Makefile
make
make install

# BLAS 安装的时 OpenBLAS，其内部已经有 Makefile了，因此 make 成功后将其再
# 安装到 /home/my/local_install 即可。
make
make PREFIX=/home/my/local_install install # 注意最后还有个 install 命令

# OpenCV 的安装 类似于 GFLAGS，但是需要提前查看好需要的版本，比如我所使用的服
# 务器 CUDA 版本为 9.0，只能使用 OpenCV 3。
mkdir build; cd build/
cmake
ccmake # 同理 CMAKE_INSTALL_PREFIX 设 为 /home/my/local_install/
make
make install

而 glog、HDF5 和 Snappy 都是 “./configure + make + make install ” 三连，参考 protoBuffer 的安装；LMDB、leveldb 中都以有 Makefile，make 之后执行 cp 操作即可（注意 .so 文件放入 /home/my/local_install/lib，.h 文件放入 /home/my/local_install/include）。

至此，依赖包的编译安装工作全部完成，通过 export 将其添加至环境变量，方便后续使用。

三、caffe 编译安装

下载并解压 caffe 的源码后，复制 Makefile.config.example 为 Makefile.config，然后对 Makefile.config 进行配置。
通过 vim Makefile.config 进入文件后，按照从上至下的顺序将修改内容列出。

USE_OPENCV := 1
USE_LMDB := 1
USE_HDF5 := 1
OPENCV_VERSION := *.*.*  # 按照自己安装的 OpencCV 版本
CUDA_DIR := /your/cuda/path
BLAS := open  # 因为使用的 OpenBLAS 的缘故，使用其他版本则进行对应修改
# 因为我之后的 python 操作全为 conda 下的虚拟环境，因此我的 Python 以来全部为 conda 下的路径
ANACONDA_HOME := /your/conda/path
PYTHON_INCLUDE := $(ANACONDA_HOME)/envs/py27/include \
				$(ANACONDA_HOME)/envs/py27/include/python2.7 \
				$(ANACONDA_HOME)/envs/py27/include/site-package/numpy/core/include
PYTHON_LIB := $(ANACONDA_HOME)/envs/py27/lib
# 下面的就是把之前 local_install 路径下的依赖包加进来就好了
INCLUDE_DIRS :=  /home/my/local_install/include /usr/local/include
LIBRARY_DIRS = /home/my/local_install/lib /usr/local/lib usr/lib

完成上述配置后，在 caffe 文件夹下执行 make，即可得到新目录 /build，如果 make 没有出错的话，则运行：

./build/tools/caffe

即可得到下图所示的 caffe 的使用说明，至此，caffe 的编译安装完成~
在这里插入图片描述

四、pycaffe 的编译安装

依然在 caffe 路径下，运行 make pycaffe 即可。
make 完成后，启动 python，输入

import caffe

如果报错 " no module named *** "，则通过 conda install 安装即可（或者 pip install），直至 import 后没有任何问题。

至此，caffe 的安装全部完成~★,°:.☆(￣▽￣)/$:.°★ 。

五、后记

整个安装过程其实是很清晰的，但是需要细心，中途出过很多次错，主要原因有以下几点：

中英文字符出错。（“-” 打为 “-”）看起来完全一样可以说很坑了……
路径设置出错。因为仅 python 就安装了 4 个（系统内置 py2、3，conda 内置 3，我的虚拟环境中有 2），因此中间安装包、路径配置等出现混乱，后来完全统一为 conda 下的 python 则再没有出现过问题，希望自己以及看到这篇 Blog 的读者以后不要犯这种初级错误……
不善于阅读信息。以 boost 的安装为例，完成第一部后，屏幕上赫然写着 "Bootstrapping is done. To build, run ./b2 "，然后我一直没有执行这步 ./b2 导致后面频频报错……

希望后续的 caffe 学习可以顺利一些~