Préparation du système

Avant de cmopiler Caffe, il est nécessaire d'installer l'ensemble des bibliothèques système requises. Sous Ubuntu ou Debian, exécutez les commandes suivantes :

sudo apt-get update
sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev
sudo apt-get install -y libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install -y --no-install-recommends libboost-all-dev
sudo apt-get install -y libopenblas-dev liblapack-dev libatlas-base-dev
sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev

Téléchargement du code source

Récupérez la dernière version stable depuis le dépôt officiel :

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

Configuration de la comiplation

Créez le fichier de configuration à partir du modèle fourni :

cp Makefile.config.example Makefile.config

Éditez Makefile.config pour activer le mode processeur uniquement. Décommentez la ligne suivante :

CPU_ONLY := 1

Résolution des problèmes de chemins HDF5

Lors de la première tentative de compilation, une erreur concernant l'en-tête HDF5 peut survenir. Identifiez l'emplacement des fichiers :

sudo find /usr -name "hdf5.h"

Typiquement, les fichiers se trouvent sous /usr/include/hdf5/serial/ et les bibliothèques sous /usr/lib/x86_64-linux-gnu/hdf5/serial/. Modifiez Makefile.config pour ajouter ces chemins :

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

Si une erreur liée à Atlas apparaît (cannot find -lcblas ou -latlas), vérifiez l'installation :

sudo apt-get install libatlas-base-dev

Compilation de Caffe

Lancez la compilation avec les commandes suivantes :

make all -j$(nproc)
make test -j$(nproc)
make runtest

Configuration de l'interface Python

Installez pip et le compilateur Fortran nécessaire pour certaines dépendances scientifiques :

sudo apt-get install python-pip gfortran

Installez les dépendances Python listées dans le fichier requirements :

cd python
cat requirements.txt | xargs -n1 pip install
cd ..

En cas d'erreur concernant les en-têtes NumPy :

sudo apt-get install python-numpy

Compilez l'interface Python :

make pycaffe -j$(nproc)

Configuration de l'environnement Python

Ajoutez temporairement Caffe au chemin Python :

import sys
chemin_caffe = "/chemin/vers/votre/caffe"
sys.path.insert(0, chemin_caffe + "/python")

Pour une configuration permanente, créez un fichier dans le répertoire des packages Python :

cd /usr/lib/python2.7/dist-packages
sudo sh -c 'echo "/chemin/vers/caffe/python" > caffe.pth'

Si l'importation échoue avec No module named skimage.io :

sudo apt-get install python-skimage

En cas d'erreur avec protobuf :

sudo apt-get install python-protobuf

Vérification avec le jeu de données MNIST

Téléchargez et préparez les données :

./data/mnist/get_mnist.sh
./examples/mnist/create_mnist.sh

Modifiez la configuration du solveur pour utiliser le processeur. Dans ./examples/mnist/lenet_solver.prototxt, remplacez :

solver_mode: GPU

par :

solver_mode: CPU

Lancez l'entraînement :

time ./examples/mnist/train_lenet.sh

Le modèle entraîné sera sauvegardé sous :

./examples/mnist/lenet_iter_10000.caffemodel