论文复现前奏篇：漫漫长路之Caffe-C3D

漫漫长路之Caffe-C3D

0.导语1.Caffe源码编译1.0 NVIDIA与Anaconda31.1 GCC与G++降级1.2 cuda 9.01.3 cuDNN1.4 caffe-gpu源码编译1.5 python库安装1.6 编译1.7 环境变量1.8 导包测试2.caffe-cifar10测试2.1 获取数据集2.2 转换数据集格式2.3 训练及测试3.Caffe-C3D3.1 下载及配置3.2 安装库与编译4.C3D-cifar10测试4.1 获取数据集4.2 转换数据集格式4.3 训练及测试0.导语

我终于复活了，哈哈，好几天没更文了，这次更文内容为：Caffe源码编译及Caffe-C3D搭建及测试！

由于需要复现与C3D相关的论文，所以需要配置Caffe及C3D。这几天折腾了好久，终于解决了。发现了最大的bug在于我没有把cuda装好，痛苦流涕，随后，两次按照网上教程将系统崩溃了，只有重新来过，在然后，就直接看官方的issue，结果搞成功了，于是写出这篇文章，希望对大家有点帮助，欢迎转发，点赞等！

学习本文，需要有足够的毅力与动手能力，否则不要尝试，因为你会碰到各种问题，同时你也可以学到更多内容！学习指导是动起手来！

1.Caffe源码编译

1.0 NVIDIA与Anaconda3

1.1 GCC与G++降级

我使用的是Ubuntu18.04系统，该系统默认装的gcc为7.3，而cuda支持的版本是6.0以下，所以我们需要降级，这里选择的版本为gcc5.5。

安装gcc5：

降级方法：

测试版本：

输出显示5.5即可！

1.2 cuda 9.0

之前安装的cuda是通过xxx.run安装，并且没有安装补丁，所以先将原先的卸载，卸载方法：

然后下载deb与补丁，如下图：

一定要全部下载并安装，不要只下载第一个，不然后面各种bug!

问题：

解决：

生效：

1.3 cuDNN

https://developer.nvidia.com/rdp/cudnn-archive

选择下载最新版本cuDNN v7.4.1 for CUDN 9.0。

解压：

解压后为一个cuda目录：cuda

终端输入：

完成cuDNN配置！

终端输入：

若显示如下信息：

则成功！

1.4 caffe-gpu源码编译

caffe-cuda安装：

依赖库安装：

clone源码：

配置文件：

如下配置Makefile.config：

（1）CUDA配置

找到CUDA_ARCH，删除前两行(含compute_20的两行)！

（2）去掉注释：

（3）python配置

关闭默认的python2配置，也就是添加号即可!

将python环境更换为anaconda3环境：

修改lib目录，原PYTHON_LIB注释，打开anaconda的PYTHON_LIB，如下所示：

（4）修改

找到INCLUDE_DIRS与LIBRARY_DIRS修改为下面配置项：

如下配置Makefile：

首先打开该配置文件：

（1）修改python版本

（2）修改NVCCFLAGS

（3）修改LIBRARIES

1.5 python库安装

进入python文件夹

问题

解决

修改requirement.txt

1.6 编译

进入caffe根目录：

-j16表示使用16核处理器执行当前指令。

test：

runtest：

配置pycaffe：

1.7 环境变量

环境变量配置：

尾部添加：

这里填写你的caffe下面的python目录

使环境变量生效：

1.8 导包测试

输入python进入python环境，然后继续输入

报错：

解决：

解决方法，可通过输入：

2.caffe-cifar10测试

在上述源码编译caffe后，对数据集cifar10做测试。

2.1 获取数据集

进入caffe根目录，直接运行下面脚本：

该脚本下载数据集比较慢，可以通过其他方式下载数据集后，直接解压数据集到cifar10文件夹下即可！注：解压是将文件夹下所有文件复制到cifar10目录下！通过这样操作可以不用执行这个脚本，当然也就是这个脚本的作用！

2.2 转换数据集格式

运行后报错：Cannot create Cublas handle. Cublas won't be available.

解决：

2.3 训练及测试

最后，在测试集上的精度为75%左右！

3.Caffe-C3D

3.1 下载及配置

下载：

配置：

还是将复制为，并配置与!

（1）配置

（2）Makefile

3.2 安装库与编译

库安装：

编译：

4.C3D-cifar10测试

4.1 获取数据集

进入数据集目录：

运行脚本：

这个下载数据集比较慢，具体可以参考上面的方法手动来！

4.2 转换数据集格式

进入脚本目录：

运行脚本：

报错：

解决：

（1）编辑bashrc

（2）尾部添加：

（3）生效：

重新运行：

4.3 训练及测试