前言

1.之前用過Caffe的GooglNet做圖像分類的相關項目，比起傳統的辦法，效果要好很多，在目標檢測這塊，之前也用傳統的HOG加SVM實現過車輛，行人和馬匹的檢測，但正樣本要上萬張圖像，才達到能應用到項目上的準確率。
2.Caffe-SDD微軟的一個深度學習框架，SSD全稱：Single Shot MultiBox Detector 是目前為止主要的目標檢測算法。接下來我會把Caffe-SSD的編譯配置、標注圖像、訓練自己模型、在項目中使用自己的整個流程寫下來。
3.我配置的環境是Ubuntu 16.04 LST 64位，Qt5.9，Python2.7,如果只跑CPU版本，就不用配置CUDA庫。
4.要使用GPU加速的話，就要安裝顯卡驅動與cuda,cudnn，是于安裝辦法請參考我后面給的教程。顯卡：https://blog.csdn.net/matt45m/article/details/90247294 ，cuda與cudnn:https://blog.csdn.net/matt45m/article/details/90298040 。

一、環境配置

1.編譯前的預操作

sudo apt-get update #更新軟件列表 sudo apt-get upgrade #更新軟件依賴包 sudo apt-get install build-essential #編譯工具，通常已安裝 sudo apt-get install cmake #安裝cmake sudo apt-get install git #安裝git sudo apt-get install pkg-config #編譯輔助工具，

2.前置依賴包

sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev #安裝gflags和glog依賴包 sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler sudo apt-get install --no-install-recommends libboost-all-dev sudo apt-get install libatlas-base-dev #ATLAS是線性代數庫

3.配置python
(1)安裝python相關庫

sudo apt-get install python-pip #安裝pip sudo apt-get install python-dev cat python/requirements.txt | xargs -L 1 sudo pip install

（2）添加軟鏈接

sudo ln -s /usr/include/python2.7/ /usr/local/include/python2.7 sudo ln -s /usr/local/lib/python2.7/dist-packages/numpy/core/include/numpy/ /usr/local/include/python2.7/numpy

4.獲取caffe-ssd版本
（1）下載caffe

mkdir caffe cd caffe git clone https://github.com/weiliu89/caffe.git

開始下載caffe

（2）在當前目錄ls會看到caffe這個文件夾，切換到caffe目錄

更改文件夾名為caffe-sss

mv caffe caffe_ssd

切換到caffe-ssd目錄

cd caffe_ssd

(3)切換到SSD分支

git checkout ssd

如果出現：Branch ssd set up to track remote branch ssd from origin.
Switched to a new branch ‘ssd’，或者“分支"代表成功。

5.更改配置文件Makefile.config

cp Makefile.config.example Makefile.config #復制配置文件并把后綴去掉 vim Makefile.config #用vim打開配置文件

如果用不習慣vim,可以換成gedit打開配置文件

gedit Makefile.config

（1）打開后，如果只使用CPU,把CPU_ONLY:=1打開。

只用cpu更改

#CPU_ONLY:=1

去掉#改成

CPU_ONLY:=1

（2）如果使用GPU,把USE_CUDNN打開。

（3）更改python 相關的路徑

PYTHON_INCLUDE := /usr/include/python2.7 \/usr/lib/python2.7/dist-packages/numpy/core/include

把前面的那句用#號注示掉，加上下面這句

PYTHON_INCLUDE := /usr/include/python2.7 \/usr/local/lib/python2.7/dist-packages/numpy/core/include

（4）加入hdf5的目錄

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib

修改為：

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial

6.修改Makefile文件（注意與下面文件的區別）

打開Makefile文件，這里沒有后綴

gedit Makefile

找到：

LIBRARIES += glog gflags protobuf boost_system boost_filesystem boost_regex m hdf5_hl hdf5

改為：

LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial

找到：

NVCCFLAGS += -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)

改成

NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)

找到：

LIBRARIES += boost_thread stdc++

修改為：

LIBRARIES += boost_thread stdc++ boost_regex

二、編譯Caffe-SSD

1.編譯caffe caffe
(1)開始編譯，切換到caffe-ssd目錄,make all -j8后面j8是說明使用8個線程一起編譯，這樣速度會快一些，如是計算機配置不好，只輸入make all 就行了，下面有j8的命令是一樣的。

cd caffe-ssd make all -j8

（2）編譯過程中報錯

AR -o .build_release/lib/libcaffe.a LD -o .build_release/lib/libcaffe.so.1.0.0-rc3 /usr/bin/ld: 找不到 -lopenblas collect2: error: ld returned 1 exit status Makefile:574: recipe for target '.build_release/lib/libcaffe.so.1.0.0-rc3' failed make: *** [.build_release/lib/libcaffe.so.1.0.0-rc3] Error 1

解決方法：

sudo apt-get install liblapack-dev liblapack3 libopenblas-base libopenblas-dev

然后清除重新編譯：

make clean make all -j8

沒有報錯

（3）繼續編譯

make test -j8 make runtest -j8

（4）編譯pycaffe

make pycaffe -j8 CXX/LD -o python/caffe/_caffe.so python/caffe/_caffe.cpp python/caffe/_caffe.cpp:10:31: fatal error: numpy/arrayobject.h: 沒有那個文件或目錄 compilation terminated. Makefile:504: recipe for target 'python/caffe/_caffe.so' failed make: *** [python/caffe/_caffe.so] Error 1

這個我在前面裝過，但提示沒有，一種可能是路徑不對，查看路徑

python import numpy as np np.get_include()

可以看到安裝的路徑

去Makefile.config文件把對應的路徑改成顯示出來的這個。
（5）檢驗python中import caffe是否報錯：

python import caffe

（6）如果報如下錯誤

Traceback (most recent call last):File "<stdin>", line 1, in <module> ImportError: No module named caffe

解決辦法：
把環境變量路徑放到 ~/.bashrc文件中,打開文件（注意，這時還是當時caffe編譯的路徑，不用切換）

sudo gedit ~/.bashrc

在文件下方寫入，保存退出。

export PYTHONPATH=/home/*XXXX* /caffe/python:$PYTHONPATH #其中XXXX為你的用戶名

在終端寫入下面語句，使環境變量生效。

source ~/.bashrc

（7）繼續輸入import caffe如果報以下錯誤

Traceback (most recent call last):File "<stdin>", line 1, in <module>File "/home/matt/caffe-ssd/python/caffe/__init__.py", line 1, in <module>from .pycaffe import Net, SGDSolver, NesterovSolver, AdaGradSolver, RMSPropSolver, AdaDeltaSolver, AdamSolverFile "/home/matt/caffe-ssd/python/caffe/pycaffe.py", line 15, in <module>import caffe.ioFile "/home/matt/caffe-ssd/python/caffe/io.py", line 2, in <module>import skimage.io ImportError: No module named skimage.io

在終端輸入：

sudo apt-get install python-skimage

（8）報以下錯誤

Traceback (most recent call last):File "<stdin>", line 1, in <module>File "/home/linux/caffe/caffe_ssd/python/caffe/__init__.py", line 1, in <module>from .pycaffe import Net, SGDSolver, NesterovSolver, AdaGradSolver, RMSPropSolver, AdaDeltaSolver, AdamSolverFile "/home/linux/caffe/caffe_ssd/python/caffe/pycaffe.py", line 15, in <module>import caffe.ioFile "/home/linux/caffe/caffe_ssd/python/caffe/io.py", line 8, in <module>from caffe.proto import caffe_pb2File "/home/linux/caffe/caffe_ssd/python/caffe/proto/caffe_pb2.py", line 6, in <module>from google.protobuf.internal import enum_type_wrapper ImportError: No module named google.protobuf.internal

在終端輸入

sudo apt-get install python-protobuf

（8）如果沒有報錯，Caffe-SSD配置完成。

結語

1.以上Caffe-SSD在Ubuntu下配置完成，之后就是如何應用Caffe-SSD做相關的訓練和學習了。
2.關于Caffe-SSD配置遇到的問題，都可以加這個群(487350510)互相討論學習。

總結

以上是生活随笔為你收集整理的Ubuntu 16.04下Caffe-SSD的应用（一）——编译Caffe-SSD的CPU版本与GPU版本的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。