Caffe2 简明教程
Caffe2 - Installation
现在,你已经充分了解了 Caffe2 的能力,是时候亲自尝试 Caffe2 了。要使用预训练模型或在自己的 Python 代码中开发模型,你必须先在计算机上安装 Caffe2。
在 Caffe2 网站的安装页面上,可通过链接 https://caffe2.ai/docs/getting-started.html 访问,你将看到以下内容,用于选择你的平台并安装类型。
如你在上面的屏幕截图中看到的, Caffe2 支持多个流行的平台,包括移动平台。
现在,我们将了解 MacOS installation 的步骤,本教程中的所有项目都在此平台上进行测试。
MacOS Installation
安装可以分为以下四种类型:
-
Pre-Built Binaries
-
Build From Source
-
Docker Images
-
Cloud
根据你的喜好,选择上述任何一种作为你的安装类型。此处给出的说明是根据 pre-built binaries 的 Caffe2 安装网站进行的。它为 Jupyter environment 使用 Anaconda。在控制台提示符处执行以下命令:
pip install torch_nightly -f
https://download.pytorch.org/whl/nightly/cpu/torch_nightly.html
除了上述内容之外,你将需要一些第三方库,这些库使用以下命令安装:
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 网站上的一些教程还需要安装 zeromq ,可使用以下命令进行安装:
conda install -c anaconda zeromq
Windows/Linux Installation
在你的控制台提示符处执行以下命令:
conda install -c pytorch pytorch-nightly-cpu
如您已注意到的,您可能需要 Anaconda 来使用上述安装。您将需要按照 MacOS installation 中指定的安装其他包。
Testing Installation
为了测试您的安装,下面给出了一个小型的 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)
执行以上代码时,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]]
安装测试页的屏幕截图此处显示供您快速参考 −
现在,您已在计算机上安装了 Caffe2,请继续安装教程应用程序。
Tutorial Installation
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,您将在安装目录中的 caffe2_tutorials 文件夹中找到几个 Python 项目。此文件夹的屏幕截图供您快速浏览。
/Users/yourusername/caffe2_tutorials
您可以打开其中一些教程以了解 Caffe2 code 的外观。本教程中描述的接下来的两个项目在很大程度上基于上面显示的示例。
现在是时候自己进行一些 Python 编码了。让我们了解如何使用 Caffe2 的预训练模型。稍后,您将学习创建您自己的微不足道的对您自己的数据集进行训练的神经网络。