📌  相关文章
📜  Caffe2-安装

📅  最后修改于: 2020-12-11 04:46:17             🧑  作者: Mango

现在，您已经对Caffe2的功能有了足够的了解，现在该是您自己尝试Caffe2的时候了。要使用经过预训练的模型或以自己的Python代码开发模型，必须首先在计算机上安装Caffe2。

在Caffe2站点的安装页面上，该页面可通过链接https://caffe2.ai/docs/getting-started.html获得，您将看到以下内容以选择平台和安装类型。

安装页面

从上面的屏幕截图中可以看到， Caffe2支持包括移动平台在内的几种流行平台。

现在，我们将了解MacOS安装步骤，本教程中的所有项目均已在该步骤上进行了测试。

MacOS安装

安装可以分为以下四种类型-

  • 预编译二进制
  • 从源构建
  • Docker映像
  • 云

根据您的喜好，选择以上任意一种作为您的安装类型。此处给出的说明根据Caffe2安装站点的预构建二进制文件。它在Jupyter环境中使用Anaconda。在控制台提示符下执行以下命令

pip install torch_nightly -f 
https://download.pytorch.org/whl/nightly/cpu/torch_nightly.html

除了上述内容，您还需要一些第三方库，这些库是使用以下命令安装的：

conda install -c anaconda setuptools
conda install -c conda-forge graphviz  
conda install -c conda-forge hypothesis
conda install -c conda-forge ipython
conda install -c conda-forge jupyter
conda install -c conda-forge matplotlib
conda install -c anaconda notebook
conda install -c anaconda pydot
conda install -c conda-forge python-nvd3
conda install -c anaconda pyyaml
conda install -c anaconda requests
conda install -c anaconda scikit-image
conda install -c anaconda scipy

Caffe2网站上的某些教程还需要安装zeromq ，该安装使用以下命令进行安装-

conda install -c anaconda zeromq

Windows / Linux安装

在控制台提示符下执行以下命令-

conda install -c pytorch pytorch-nightly-cpu

正如您已经注意到的那样，您将需要Anaconda来使用以上安装。您将需要安装MacOS安装中指定的其他软件包。

测试安装

为了测试安装，下面提供了一个小的Python脚本，您可以将其剪切并粘贴到Juypter项目中并执行。

from caffe2.python import workspace
import numpy as np
print ("Creating random data")
data = np.random.rand(3, 2)
print(data)
print ("Adding data to workspace ...")
workspace.FeedBlob("mydata", data)
print ("Retrieving data from workspace")
mydata = workspace.FetchBlob("mydata")
print(mydata)

当执行上述代码时，您应该看到以下输出-

Creating random data
[[0.06152718 0.86448082]
[0.36409966 0.52786113]
[0.65780886 0.67101053]]
Adding data to workspace ...
Retrieving data from workspace
[[0.06152718 0.86448082]
[0.36409966 0.52786113]
[0.65780886 0.67101053]]

这里显示了安装测试页面的屏幕快照，供您快速参考-

测试安装

现在，您已经在计算机上安装了Caffe2，请继续安装教程应用程序。

教程安装

在控制台上使用以下命令下载教程源-

git clone --recursive https://github.com/caffe2/tutorials caffe2_tutorials

下载完成后，您将在安装目录的caffe2_tutorials文件夹中找到几个Python项目。此文件夹的屏幕快照已提供，供您快速浏览。

/Users/yourusername/caffe2_tutorials

教程安装

您可以打开其中一些教程，以查看Caffe2代码的外观。本教程中描述的接下来的两个项目主要基于上述示例。

现在是时候做一些我们自己的Python编码了。让我们了解一下，如何使用Caffe2中的预训练模型。稍后，您将学习创建自己的琐碎神经网络，以对自己的数据集进行训练。