Ubuntu 16： Detecron + Caffe2 安装

最新推荐文章于 2024-02-23 12:02:32 发布

maocaisheng

最新推荐文章于 2024-02-23 12:02:32 发布

阅读量450

点赞数 2

CC 4.0 BY-SA版权

分类专栏：杂记

本文链接：https://blog.youkuaiyun.com/u012938704/article/details/83621349

杂记专栏收录该内容

7 篇文章

订阅专栏

本文详细介绍了如何在Ubuntu环境下安装Caffe2深度学习框架及其依赖库，包括CUDA、Cudnn、nccl等，并提供了源码安装步骤。同时，文章还介绍了如何在Caffe2环境下安装并配置Detectron目标检测框架。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

先贴下官网教程

推荐的环境：

CUDA 8.0.61 + Cudnn 6.0（必须的，推荐官网的.run形式安装）
Anaconda python=2.7 (推荐使用conda 自带的包管理，即:conda install )

首先：更新或者安装 `nccl`库

从apt-get上的库的地址：http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/ 下载最新的libnccl2, libnccl-dev（注意版本一致性）。

wget https://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/libnccl-dev_2.3.5-2+cuda8.0_amd64.deb
wget https://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/libnccl2_2.3.5-2+cuda8.0_amd64.deb

sudo dpkg -i libnccl2_{version}.deb
sudo dpkg -i libnccl_{version}.deb

然后：安装官网中的依赖，并进行源码安装

这里我没使用系统Python：

sudo apt-get update
sudo apt-get install -y --no-install-recommends \
      build-essential \
      git \
      libgoogle-glog-dev \
      libgtest-dev \
      libiomp-dev \
      libleveldb-dev \
      liblmdb-dev \
      libopencv-dev \
      libopenmpi-dev \
      libsnappy-dev \
      libprotobuf-dev \
      openmpi-bin \
      openmpi-doc \
      protobuf-compiler \
	  libgflags-dev \
      cmake

Anaconda 新建一个环境：

conda create -n caffe2 python=2.7
# 切换环境
source activate caffe2
(caffe2): conda install future \
      numpy \
      protobuf \
      typing \
      hypothesis

源码安装：

git clone https://github.com/pytorch/pytorch.git && cd pytorch
git submodule update --init --recursive
USE_LEVELDB=1 USE_LMDB=1 USE_OPENCV=1 BUILD_BINARY=1 python setup.py install

caffe2 最终安装在 anaconda3/envs/caffe2/lib/python2.7/site-packages/caffe2

测试是否成功：

# To check if Caffe2 build was successful
python -c 'from caffe2.python import core' 2>/dev/null && echo "Success" || echo "Failure"

# To check if Caffe2 GPU build was successful
# This must print a number > 0 in order to use Detectron
python -c 'from caffe2.python import workspace; print(workspace.NumCudaDevices())'

Detectron 安装

git clone https://github.com/facebookresearch/detectron

依赖环境:

conda install --file requirements.txt
# opencv3
conda install -c menpo opencv3
# pydot （to fix：No handlers could be found for logger "caffe2.python.net_drawer"）
conda install pydot

源码安装：