训练caffe模型出现./build/tools/caffe:命令未找到

最新推荐文章于 2024-03-29 21:23:06 发布
原创 最新推荐文章于 2024-03-29 21:23:06 发布 · 2.8k 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文介绍了解决在caffe目录下因之前执行过make clean命令而导致的编译问题。通过使用sudomakeall命令成功解决了该问题。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

解决命令：~/caffe$ sudo make all

原因：原来是有一次在caffe下使用过命令make clean

.build_release/tools/caffe: error while loading shared libraries: libcudart.so.9.0: cannot open shar
sinat_23619409的博客
01-06 4471
ubuntu@ubuntu-ST-KN:~/caffe$ sudo make runtest -j8 .build_release/tools/caffe .build_release/tools/caffe: error while loading shared libraries: libcudart.so.9.0: cannot open shared object file: No suc...
caffe深度学习【十】编译错误：In file included from ./include/caffe/util/device_alternate.hpp:40:0,
volcano_Lin 的博客
08-21 2万+
早上想跑一下目标检测RON算法 https://github.com/taokong/RON   git下来之后，要编译他的caffe时，出现如下问题： PROTOC src/caffe/proto/caffe.proto CXX .build_release/src/caffe/proto/caffe.pb.cc CXX src/caffe/solvers/adadelta_solve...
关于训练caffe模型出现./build/tools/caffe: command not found
xunan003的博客
06-10 8966
1、问题来源      博主是在学习21天一次训练模型时键入命令sudo ./build/tools/caffe train --solver=lenet_lr_solver.prototxt时，突然提示题目中所示报错。瞬间蒙蔽，之前编译的时候好好的啊。打开caffe/build/tools一看，更蒙蔽，空空如也，什么文件都没有了。思来想去，原来是有一次在caffe下使用过命令make clea
caffe运行mnist出现train_lenet.sh: 4: train_lenet.sh: ./build/tools/caffe: not found问题的解决
qq_28214097的博客
11-20 1945
该问题的原因： train_lenet.sh脚本文件中的代码： ./build/tools/caffe train的路径为caffe当前目录下的路径，以至于你不是在caffe目录下执行sh train_lenet.sh命令时会出现错误。 解决方法：回退到caffe的当前目录下，执行该命令： ./eamples/mnist/train_lenet.sh即可。
caffe训练模型报错 no found caffe
WSNjiang的博客
04-02 417
在/caffe/build/tools/caffe train 报错no found caffe 查了一些资料1）caffe没有make all 2）不能再tools目录下直接caffe，需要在终端 ubuntu:~$ /caffe/build/tools/caffe train ---- 3)自己创建训练脚本 ...
unrealbuildtool 无法找到，执行 Generate Visual Studio Project 错误
qq_34970171的博客
03-29 780
打开 UnrealBuildTool，生成解决方案就可以了。
安装caffe后$CAFFE_ROOT下不存在build目录
weixin_39858105的博客
09-18 489
运行https://github.com/jetsonhacks/installCaffeJTX1/blob/master/installCaffeCuDNN.sh脚本在jetson tx1安装caffe，脚本执行结束后运行样例mnist，运行./examples/mnist/create_mnist.sh报错： ./examples/mnist/create_mnist.sh: 17: ./e...
解析./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt
大山的专栏
05-05 3069
解析./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt
编译caffe出现错误：make: *** [.build_release/src/caffe/common.o] Error 1
热门推荐
小火车~
08-23 3万+
在编译caffe时出现错误： In file included from ./include/caffe/util/device_alternate.hpp:40:0, from ./include/caffe/common.hpp:19, from src/caffe/common.cpp:7: ./include/caffe
Caffe编译错误记录（../lib/libcaffe.so: undefined reference to `H5LTmake_dataset_string'....)
qq_38522972的博客
10-31 3232
编译caffe出错如下，百思不得其解，错误如下： 86%] Linking CXX executable train_net ../lib/libcaffe.so: undefined reference to `H5LTget_dataset_ndims' ../lib/libcaffe.so: undefined reference to `H5LTread_dataset_int' ....
caffe下build中的tools文件消失
爱吃鱼的猫
08-16 4015
caffe下build中tools文件夹内包含了大量的caffe工具，一旦消失，整个caffe就无法运行，就连生成数据格式都不可以。小编就遇到这种情况。开始想着权限问题，可是在root用户下使用 ls -l 命令并没有查找到tools下的任何文件。这是小编确信tools文件夹下没有文件了。想着需要重新安装caffe了，想想过程痛苦不堪。小编是搞C++出身，灵光一现，想起了当时安装caffe时使用过
build tools
K_irving_whj的博客
03-11 575
1、build-tools是什么 构建工具能够帮助你创建一个可重复的、可靠的、携带的且不需要手动干预的构建。构建工具是一个可编程的工具，它能够让你以可执行和有序的任务来表达自动化需求。假设你想要编译源代码，将生成的class文件拷贝到某个目录，然后将该目录组装成可交付的软件。如下图所示，展示了所描述场景中任务和它们执行的顺序。 2、build-tools的方式 Gradle和Maven都是项...
运行catkin build失败，提示catkin：未找到命令解决方法
m0_52815074的博客
04-28 1万+
原因：catkin build缺少catkin_tools导致失败。 终端输入 sudo apt-get install python3-catkin-tools 安装成功即可正常运行catkin build 如果出现报错：E: 无法定位软件包 python3-catkin-tools 安装失败，可使用pip进行安装 先安装pip sudo apt install python3-pip 再安装catkin_tools sudo pip3 install -U catkin_to
caffe中build文件夹消失
weixin_43799781的博客
03-09 700
原因：之前使用过make clean 解决办法：~/caffe$ sudo make all
Caffe学习：build/tools/convert_imageset
from_jiarenyf
09-04 7599
Caffe学习：build/tools/convert_imageset
caffe 编译，安装 报错解决方法
u010451780的专栏
07-14 2060
https://blog.csdn.net/weixin_38883095/article/details/106138238 sudo apt install caffe-cuda --fix-missing make -j8 && make pycaffe sudo apt install protobuf-compiler sudo apt-get install libgoogle-glog-dev 1.caffe/blob.hpp:9:34: fatal error: c.
ubuntu16.04下编译caffe出现.build_release/lib/libcaffe.so: undefined reference to google ::protobuf...的问题
Snoopy_Dream
03-12 1万+
----------------------------------------------------------------------------------------------为什么会出现undefined reference to 'xxxxx'错误？首先这是链接错误，不是编译错误，也就是说如果只有这个错误，说明你的程序源码本身没有问题，是你用编译器编译时参数用得不对，你没有指定链接...
caffe训练cifar10遇到./build/tools/caffe: not found 错误解决方法
zhongshaoyy的博客
12-07 8182
cifar10训练步骤如下： （1）打开终端，应用cd切换路径，如 cd ~/caffe/data/cifar10 ， （2）继续执行命令   ./get_cifar10.sh， （3）成功下载数据集之后，执行ls即可见所下载的数据文件， （4）再次将路径切换到cd ~/caffe/examples/cifar10 （5）继续执行命令 ./create_cifar10
关于caffe训练网络时用到的命令
QLULIBIN的博客
06-21 1195
###训练网络 #sudo sh ./build/tools/caffe train --solver=examples/mnist/train_lenet.sh --solver：必选参数。一个protocol buffer类型的文件，即模型的配置文件。如： # ./build/tools/caffe train -solver examples/mnist/lenet_solver.proto...
c：/libtorch/share/cmake/Caffe2/Caffe2config.make 92
最新发布
07-15
<think>我们正在解决在CLion中使用CMake配置libtorch时出现的链接库问题，具体错误出现在Caffe2Config.cmake的第92行。根据引用内容，这个问题通常与CUDA配置有关，可能的原因是CMake无法找到CUDA编译器或者libtorch的版本不正确（例如使用了CPU版本而不是GPU版本）[^1][^3]。 ### 解决步骤 #### 1. **确认libtorch版本** - 确保下载的是GPU版本的libtorch。如果下载的是CPU版本，需要更换为GPU版本[^1]。 - 下载地址：https://pytorch.org/get-started/locally/ （选择CUDA版本） #### 2. **设置CUDA编译器路径** 错误信息`No CMAKE_CUDA_COMPILER could be found`表明CMake找不到CUDA编译器（nvcc）[^3]。解决方案： - 在CMakeLists.txt中显式设置CUDA编译器的路径： ```cmake set(CMAKE_CUDA_COMPILER "/usr/local/cuda/bin/nvcc") # 替换为你的nvcc路径 ``` 或者在CLion的设置中配置环境变量： - 打开 **Settings > Build, Execution, Deployment > CMake**，在`Environment`字段添加： ``` CUDACXX=/usr/local/cuda/bin/nvcc ``` #### 3. **检查CUDA环境变量** - 确保系统环境变量`PATH`中包含CUDA的bin目录（例如`C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin`或`/usr/local/cuda/bin`）[^3]。 #### 4. **修改CMakeLists.txt配置** 参考以下配置模板（适配GPU版libtorch）： ```cmake cmake_minimum_required(VERSION 3.16) project(your_project) # 设置CMake模块路径（指向libtorch的cmake目录） set(CMAKE_PREFIX_PATH "G:/libtorch260_cu124Release/share/cmake") # 替换为你的libtorch路径 # 启用CUDA支持 enable_language(CUDA) # 如果项目需要编译CUDA代码 # 查找libtorch包 find_package(Torch REQUIRED) if(NOT Torch_FOUND) message(FATAL_ERROR "Libtorch not found!") endif() # 添加可执行文件 add_executable(your_executable main.cpp) # 链接libtorch库 target_link_libraries(your_executable "${TORCH_LIBRARIES}") # 设置C++标准 set_property(TARGET your_executable PROPERTY CXX_STANDARD 14) # 复制DLL文件（仅Windows需要） if(WIN32) add_custom_command(TARGET your_executable POST_BUILD COMMAND ${CMAKE_COMMAND} -E copy "${TORCH_INSTALL_PREFIX}/lib/torch_cpu.dll" $<TARGET_FILE_DIR:your_executable> ) add_custom_command(TARGET your_executable POST_BUILD COMMAND ${CMAKE_COMMAND} -E copy "${TORCH_INSTALL_PREFIX}/lib/torch_cuda.dll" $<TARGET_FILE_DIR:your_executable> ) # 复制其他必要的DLL（如c10.dll等）[^4] endif() ``` #### 5. **处理DLL缺失问题（Windows）** 如果运行时提示缺少`torch_cpu.dll`、`torch_cuda.dll`或`c10.dll`，确保在构建后将这些DLL复制到可执行文件目录[^4]。上述CMakeLists.txt中已包含复制步骤。 #### 6. **重新加载CMake项目** 修改CMakeLists.txt后，在CLion中点击 **Tools > CMake > Reload CMake Project**。 ### 常见错误排查 - **`torch::cuda::is_available()`返回false**：检查CUDA驱动版本是否匹配libtorch要求的CUDA版本（使用`nvcc --version`或`nvidia-smi`查看）[^1]。 - **Caffe2Config.cmake第92行错误**：通常是CUDA配置失败导致，重点检查步骤2和3[^3]。 - **无法识别`-G`选项**：删除CMake选项中可能存在的`-G "Ninja"`等生成器参数（CLion通常自动处理）[^2]。 > 关键点：确保libtorch路径正确、CUDA编译器可用、环境变量配置无误。 ### 补充说明 - **远程开发**：如果使用CLion远程开发，确保远程服务器上的CUDA路径与本地配置一致[^3]。 - **静态链接问题**：如果使用静态库（如引用[^5]中的Tengine例子），注意`IMPORTED_LOCATION`需指向`.a`文件（Linux/Mac）或`.lib`文件（Windows）。 §§相关问题§§ 1. 如何验证libtorch是否正确链接了CUDA？ 2. 在Windows下如何批量复制libtorch的所有DLL文件？ 3. CMake中`find_package(Torch)`的工作原理是什么？ 4. 如何为不同平台（Windows/Linux）编写条件复制的CMake代码？</think>### 解决 CLion 中 CMake 配置 libtorch 的链接库错误（Caffe2Config.cmake 第 92 行） 该错误通常由 **CUDA 配置问题** 或 **libtorch 版本不匹配** 引起。结合引用内容，以下是完整解决方案： --- #### 1. **确认 libtorch 版本（关键步骤）[^1][^4]** ```cmake # 在 CMakeLists.txt 开头添加版本检查 message(STATUS "LibTorch version: ${Torch_VERSION}") message(STATUS "CUDA available: ${Torch_CUDA_AVAILABLE}") ``` - 必须使用 **GPU 版 libtorch**（CPU 版会导致 `torch::cuda::is_available()` 返回 `false`） - 从官网下载对应 CUDA 版本的 libtorch：https://pytorch.org/get-started/locally --- #### 2. **修复 CUDA 编译器识别问题 [^3]** ```cmake # 在 find_package(Torch) 前添加 enable_language(CUDA) # 显式启用 CUDA 支持 set(CMAKE_CUDA_COMPILER "/usr/local/cuda/bin/nvcc") # 替换为你的 nvcc 路径 ``` **CLion 额外配置：** - 打开 *Settings > Build, Execution, Deployment > CMake* - 在 `Environment` 中添加： ``` CUDACXX=/usr/local/cuda/bin/nvcc # 路径根据实际修改 PATH=/usr/local/cuda/bin:$PATH # 确保 CUDA 在 PATH 中 ``` --- #### 3. **完整 CMakeLists.txt 配置示例 [^2][^4]** ```cmake cmake_minimum_required(VERSION 3.16) project(your_project) # 设置 libtorch 路径 (替换为你的实际路径) set(CMAKE_PREFIX_PATH "D:/lib/libtorch/share/cmake") # [^1][^4] # 关键修复：显式启用 CUDA enable_language(CUDA) # [^3] find_package(Torch REQUIRED) if(NOT Torch_FOUND) message(FATAL_ERROR "Libtorch not found!") endif() add_executable(main main.cpp) target_link_libraries(main "${TORCH_LIBRARIES}") # Windows 专用：自动复制 DLL 文件 [^4] if(WIN32) add_custom_command(TARGET main POST_BUILD COMMAND ${CMAKE_COMMAND} -E copy "${TORCH_INSTALL_PREFIX}/lib/torch_cuda.dll" $<TARGET_FILE_DIR:main> COMMAND ${CMAKE_COMMAND} -E copy "${TORCH_INSTALL_PREFIX}/lib/torch_cpu.dll" $<TARGET_FILE_DIR:main> COMMAND ${CMAKE_COMMAND} -E copy "${TORCH_INSTALL_PREFIX}/lib/c10.dll" $<TARGET_FILE_DIR:main> ) endif() ``` --- #### 4. **验证配置成功的标志** - 在 `main.cpp` 中添加检查： ```cpp #include <torch/torch.h> int main() { std::cout << "CUDA available: " << torch::cuda::is_available() << std::endl; // 应输出 1 return 0; } ``` - CMake 输出应包含： ``` -- Found Torch: D:/lib/libtorch/lib/libtorch.so -- CUDA version: 11.7 ``` --- #### 5. **常见错误处理 | 错误现象 | 解决方案 | |-----------------------------------|--------------------------------------------------------------------------| | `Couldn't determine CUDA version` | 检查 `nvcc --version` 输出，确保 CMake 能访问 CUDA 路径 [^3] | | `undefined reference to c10::xxx` | 检查 `target_link_libraries` 是否链接 `${TORCH_LIBRARIES}` 而非单个库 [^5] | | 运行时缺少 DLL (Windows) | 确保 `add_custom_command` 正确复制 DLL [^4] | | `Caffe2Config.cmake:92 error` | 通常是 CUDA 版本不匹配，降级 libtorch 或升级 CUDA | > **关键提示**：在远程开发时，确保服务器端的 CUDA 路径与本地配置一致 [^3]。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值