ubuntu16 caffe安装+测试（cpu）

转载：http://blog.csdn.net/u010402483/article/details/51506616

安装依赖包
1.安装protobuf,leveldb,snappy,opencv,hdf5, protobuf compiler andboost:

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compilersudo apt-get install --no-install-recommends libboost-all-dev

2.安装gflags,glogs ,lmdb andatlas.

sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-devsudo apt-get install libatlas-base-dev

下载Caffe
使用git直接下载Caffe非常简单，或者去https://github.com/BVLC/caffe下载

git clone https://github.com/BVLC/caffe

编译Caffe
1.切换到Caffe所在目录

cp Makefile.config.example Makefile.config

2.配置Makefile.config

1)CPU_ONLY := 1

2)配置一些引用文件（增加部分主要是解决新版本下，HDF5的路径问题）

1)INCLUDE_DIRS := $(PYTHON_INCLUDE)  /usr/local/include      /usr/lib/x86_64-linux-gnu/hdf5/serial/include    2)LIBRARY_DIRS := $(PYTHON_LIB)  /usr/local/lib  /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial3)BLAS := atlas计算能力 mkl > openlas >atlas

3.Make Caffe

make all -j8make test -j8make runtest -j8

4.编译成功，否则执行 make clean 多执行以下，否则多google吧

发生错误可参考：http://blog.csdn.net/yhl_leo/article/details/51371936

测试参考：http://blog.csdn.net/zt_1995/article/details/56487162

首先下载MNIST数据集

$ cd data/mnist$ ./get_mnist.sh

下载到四个文件
训练集（图片）train-images-idx3-ubyte
训练集（标签）train-labels-idx1-ubyte
测试集（图片）t10k-images-idx3-ubyte
测试集（标签）t10k-labels-idx1-ubyte

下载到的文件为二进制文件，可以执行下面命令来把文件转换为caffe能识别的文件（LEVELDB或LMDB）

$ ./examples/mnist/create_mnist.sh

因为是CPU运行，所以修改在examples文件下的Mnist下的lenet_solver.prototxt中的solver_mode:CPU

solver_mode: CPU

训练模型

./examples/mnist/train_lenet.sh

结果：

最后利用训练好的模型对数据进行预测

$ ./build/tools/caffe.bin test \-model examples/mnist/lenet_train_test.prototxt \-weights examples/mnist/lenet_iter_10000.caffemodel \-iterations 100

结果为：

测试精度0.99

最终训练模型保存在 examples/mnist/lenet_iter_10000.caffemodel
训练状态保存在examples/mnist/lenet_iter_10000.solverstate