沈阳市城市建设局网站,wordpress次级菜单,购物网站有哪些,企业品牌宣传推广一早发现caffe2的较成熟的release版发布了#xff08;the first production-ready release#xff09;#xff0c;那么深度学习平台在之后一段时间也是会出现其与tensorflow相互竞争的局面。 从打开这个caffe2的官网就会发现#xff0c;有了Facebook的支持#xff0c;连界…一早发现caffe2的较成熟的release版发布了the first production-ready release那么深度学习平台在之后一段时间也是会出现其与tensorflow相互竞争的局面。 从打开这个caffe2的官网就会发现有了Facebook的支持连界面也好看多了。不过再仔细看看觉得又和tensorflow有一丝像从内到外。
Caffe 2 Caffe2 Caffe2 中基本计算单元之一是 Operators。每个 Operator 包含给定适当数量和类型的输入和参数来计算输出所需的逻辑。Caffe 和 Caffe2 功能的总体差异如下图所示 One of basic units of computation in Caffe2 are the Operators. Each operator contains the logic necessary to compute the output given the appropriate number and types of inputs and parameters. The overall difference between operators’ functionality in Caffe and Caffe2 is illustrated in the following graphic, respectively: 看到这段话是不是更觉得像是tensorflow了之前layer的概念被弱化数据与操作完全分开不就是tensorflow里面需要定义的tf.matmul和tf.Variable这类吗 其次提出的workspace概念很像是tf中的Session
# Create the input data
data np.random.rand(16, 100).astype(np.float32)# Create labels for the data as integers [0, 9].
label (np.random.rand(16) * 10).astype(np.int32)workspace.FeedBlob(data, data)
workspace.FeedBlob(label, label)# Create model using a model helper
m cnn.CNNModelHelper(namemy first net)
fc_1 m.FC(data, fc1, dim_in100, dim_out10)
pred m.Sigmoid(fc_1, pred)
[softmax, loss] m.SoftmaxWithLoss([pred, label], [softmax, loss])
网络的编写也向tf靠拢了学了点tf还是有点用的。
最后还要说一点就是对python的支持大大增强了当然这也是深度学习的趋势。
安装 4.18发布的版本号为v0.7.0官网上的安装教程比较详细也比较好操作Install。
依赖库
sudo apt-get update
sudo apt-get install -y --no-install-recommends \build-essential \cmake \git \libgoogle-glog-dev \libprotobuf-dev \protobuf-compiler \python-dev \python-pip
sudo pip install numpy protobufGPU支持
这一部分主要是CUDA与cuDNN在之前的博客中有讲到过。
可选库
# for both Ubuntu 14.04 and 16.04
sudo apt-get install -y --no-install-recommends \libgtest-dev \libiomp-dev \libleveldb-dev \liblmdb-dev \libopencv-dev \libopenmpi-dev \libsnappy-dev \openmpi-bin \openmpi-doc \python-pydot
sudo pip install \flask \graphviz \hypothesis \jupyter \matplotlib \pydot python-nvd3 \pyyaml \requests \scikit-image \scipy \setuptools \tornado
针对Ubuntu 14.04
sudo apt-get install -y --no-install-recommends libgflags2
针对Ubuntu 16.04
sudo apt-get install -y --no-install-recommends libgflags-devClone Build
git clone --recursive https://github.com/caffe2/caffe2.git cd caffe2
make cd build sudo make install
python -c from caffe2.python import core 2/dev/null echo Success || echo Failure
这一步在我这边很慢clone的速度大概只有几十kb而且中途也出现了错误。如果选择用zip打包下载就会出现caffe2/third_party/目录中第三方包缺失的情况这时还要自己手动下载。
GPU测试可以执行
python -m caffe2.python.operator_test.relu_op_test
这步安装完成之后会在/usr/local/caffe2、/home/user/caffe2/build你的build路径路径生成caffe2的python文件在/usr/local/lib路径生成库文件。
设置环境变量
设置正确的话执行命令会有#后这样的输出
echo $PYTHONPATH
# export PYTHONPATH/usr/local:$PYTHONPATH
# export PYTHONPATH$PYTHONPATH:/home/ubuntu/caffe2/build
echo $LD_LIBRARY_PATH
# export LD_LIBRARY_PATH/usr/local/lib:$LD_LIBRARY_PATH
具体设置更改对应shell的配置文件一般来说
sudo vim /etc/profile
在最后加上
export PYTHONPATH/usr/local:$PYTHONPATH
export PYTHONPATH$PYTHONPATH:/home/ubuntu/caffe2/build
export LD_LIBRARY_PATH/usr/local/lib:$LD_LIBRARY_PATH
就可以了。
总结 目前caffe2还不是很成熟某些文档也还不齐安装也可以不用很着急熟悉一下操作就好。mask-rcnn不就应该就会在这上面放出源码可以稍稍再期待一下。
