caffe2 介绍

来源：互联网发布：dota2比赛数据未找到编辑：程序博客网时间：2024/06/05 03:36

Caffe2的特性

Caffe2框架可以通过一台机器上的多个GPU或具有一个及多个GPU的多台机器来进行分布式训练。

也可以在iOS系统、Android系统和树莓派（Raspberry Pi）上训练和部署模型。
只需要运行几行代码即可调用Caffe2中预先训练好的Model Zoo模型。
Caffe2框架已经应用在Facebook平台上。
NVIDIA（英伟达），Qualcomm（高通），Intel（英特尔），Amazon（亚马逊）和Microsoft（微软）等公司的云平台都已支持Caffe2。
GitHub上有Caffe2的源代码
Caffe2的首页：http://caffe2.ai/

Facebook 部署 Caffe2 旨在帮助开发人员和研究人员训练大规模机器学习模型，并在移动应用中提供 AI 驱动的用户体验。现在，开发人员可以获取许多相同的工具，能够在大规模分布式场景训练模型，并为移动设备创建机器学习应用。

Caffe2 是一个兼具表现力、速度和模块性的深度学习框架，是 Caffe 的实验性重构，能以更灵活的方式组织计算。

Caffe2安装

官网上的安装教程

这里写图片描述

依赖库

sudo apt-get updatesudo 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 protobuf

GPU支持

Ubuntu 16.04

sudo apt-get update && sudo apt-get install wget -y --no-install-recommendswget "http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_8.0.61-1_amd64.deb"sudo dpkg -i cuda-repo-ubuntu1604_8.0.61-1_amd64.debsudo apt-get updatesudo apt-get install cuda

安装 cuDNN（所有都是 Ubuntu 版本）

CUDNN_URL="http://developer.download.nvidia.com/compute/redist/cudnn/v5.1/cudnn-8.0-linux-x64-v5.1.tgz"wget ${CUDNN_URL}sudo tar -xzf cudnn-8.0-linux-x64-v5.1.tgz -C /usr/localrm cudnn-8.0-linux-x64-v5.1.tgz && sudo ldconfig

可选择的依赖项

# for Ubuntu 16.04sudo apt-get install -y --no-install-recommends libgflags-dev

# for both Ubuntu 14.04 and 16.04sudo 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-pydotsudo pip install \      flask \      graphviz \      hypothesis \      jupyter \      matplotlib \      pydot python-nvd3 \      pyyaml \      requests \      scikit-image \      scipy \      setuptools \      tornado

检查下面的 Python 部分，并在建立 Caffe2 之前安装可选择的程序包。

mkdir build && cd buildcmake ..make

Clone & Build

git clone --recursive https://github.com/caffe2/caffe2.git && cd caffe2make && cd build && sudo make installpython -c 'from caffe2.python import core' 2>/dev/null && echo "Success" || echo "Failure"

通过显示为 Success

出现问题见 gflags.cc’ is being linked both statically and dynamically into this execut

GPU测试执行：

python -m caffe2.python.operator_test.relu_op_test

在/usr/local/caffe2、/home/bids/softwares/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。

环境变量设置

具体设置更改对应shell的配置文件

sudo vim ~/.bashrc

添加

export PYTHONPATH=/usr/local:$PYTHONPATHexport PYTHONPATH=$PYTHONPATH:/home/bids/softwares/caffe2/buildexport LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH

环境变量生效

source ~/.bashrc

Caffe2 Tutorials

Caffe2 Tutorials Overview

TUTORIAL ON DEEP LEARNING FOR VISION

Hacker’s guide to Neural Networks

Neural Networks and Deep Learning

Caffe2原理

Caffe2 的原理与 Caffe 相同，开发原则可以概括为以下5点：

表达（Expression）：模型和优化被定义为纯文本模式（plaintext schema）而不是代码。
速度：对学界和产业界都一样，速度对于最先进的模型和大数据至关重要。
模块化：新任务和设置需要灵活性和扩展性。
开放性：科学和应用进步需要通用代码（common code），参考模型和– 重现性（reproducibility）。
社区：学术研究、startup prototypes 和工业应用通过在 BSD-2 项目中联合讨论和开发，共享实力。

Caffe2和Caffe有何不同？

Caffe2的基本计算单位是Operator。对于适当数量和类型的输入参数，每个Operator都包括所需的计算逻辑。Caffe和Caffe2的总体差异如下图所示：

这里写图片描述

官方提供了从Caffe迁移到Caffe2的教程，据说这个迁移非常简单。

Caffe2和PyTorch有何不同？

Caffe2长于移动和大规模部署。虽然Caffe2新增了支持多GPU的功能，这让新框架与Torch具有了相同的GPU支持能力，但是如前所述，Caffe2支持一台机器上的多个GPU或具有一个及多个GPU的多台机器来进行分布式训练。

PyTorch适合进行研究、实验和尝试不同的神经网络；而Caffe2更偏向于工业应用，而且重点关注在移动端上的表现。

Caffe2视作一种生产力的选择，而Torch视作研究型的选择。

参考文献

Caffe2正式发布！新框架有何不同？贾扬清亲自解答

caffe2 安装与介绍

caffe2

【重磅】Facebook 开源产业级深度学习框架 Caffe2，带来跨平台机器学习工具

Caffe2 Open Source Brings Cross Platform Machine Learning Tools to Developers

0 0