CentOS7安装Caffe的教程详解

下面是CentOS 7安装Caffe的完整攻略。

1. 安装依赖

Caffe是一个基于C++的深度学习框架，所以我们需要先安装一些依赖。在命令行中输入以下命令进行安装：

sudo yum install -y epel-release
sudo yum install -y cmake protobuf-devel leveldb-devel snappy-devel opencv-devel boost-devel hdf5-devel gflags-devel glog-devel lmdb-devel openblas-devel libjpeg-turbo-devel libpng-devel freetype-devel  atlas-devel

其中，第一行命令是安装EPEL源，第二行命令是安装Caffe所需的依赖。

2. 下载和编译Caffe

首先，我们需要安装Git工具：

sudo yum install -y git

然后，我们可以使用Git克隆Caffe的源代码，并进入Caffe的根目录：

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

接着，我们可以在Makefile.config文件中配置我们需要的选项，例如使用CPU模式：

cp Makefile.config.example Makefile.config
echo "CPU_ONLY := 1" >> Makefile.config

然后，我们可以编译Caffe：

make all -j8

其中，-j8选项表示使用8个线程进行编译。这可能需要一些时间，取决于您的电脑性能。

最后，我们可以运行以下命令进行测试：

make test -j8

3. 运行示例

在Caffe中有许多示例应用程序，例如图像分类、目标检测等。这里我们以图像分类为例，演示如何使用Caffe进行图像分类。

首先，我们需要下载图像数据集和模型文件：

scripts/download_model_binary.py models/bvlc_reference_caffenet
scripts/download_data.py data/ilsvrc12

然后，我们可以运行以下命令进行图像分类：

python examples/classification/classify.py --model_def=models/bvlc_reference_caffenet/deploy.prototxt --pretrained_model=models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel --input=examples/images/cat.jpg

其中，--model_def选项表示模型定义文件的路径，--pretrained_model选项表示预训练模型的路径，--input选项表示输入图像的路径。

这会输出以下结果：

---------- Prediction for examples/images/cat.jpg ----------
0.3135 - "n02123045 tabby, tabby cat"
0.1972 - "n02123159 tiger cat"
0.1060 - "n02124075 Egyptian cat"
0.0738 - "n02119022 red fox, Vulpes vulpes"
0.0513 - "n02127052 lynx, catamount"

这表示输入图像最有可能是一只虎斑猫。

另外，我们还可以修改classify.py脚本，尝试对其他图像进行分类。例如：

python examples/classification/classify.py --model_def=models/bvlc_reference_caffenet/deploy.prototxt --pretrained_model=models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel --input=examples/images/mug.jpg

这会输出以下结果：

---------- Prediction for examples/images/mug.jpg ----------
0.2813 - "n07930864 cup"
0.2254 - "n03063599 coffee mug"
0.1182 - "n03983396 pop bottle, soda bottle"
0.1063 - "n04332243 strainer"
0.0267 - "n07584110 consomme"

这表示输入图像最有可能是一只杯子。