openblas

在尝试用 LazyNet 时，由于原作者提供的OpenCV和OpenBLAS版本和我的环境不一样，考虑自行配置依赖。 OpenCV源码编译的文章很多，这里主要说一下OpenBLAS的编译。 cblas_sgemm crash 基于VS2017的MSVC编译器，编译安装openblas develop分支最新版，发现 LazyNet 代码有crash（access violation），而在Linux（ubuntu16.04，G++/Clang++-8）则运行正常。剥离出来的复现问题的最小化代码见下方，解决办法是 用clang-cl（Windows下和MSVC兼容的clang编译器）重新编译OpenBLAS ， 讨论帖在此 。 #include <stdio.h> extern "C" { #include <cblas.h> } int main() { printf("OpenBLAS config info:\n%s\n", openblas_get_config()); #if 1 // will cause crash on VS2017 x64 with OpenBLAS latest const int M = 16; const int N = 676; const int K = 27; #else // won't crash const int M = 4;

上午把tensorflow安装好了，下午和晚上装caffe的确很费劲。 默认CUDA,cuDNN可以用了 caffe官方安装教程 有些安装顺序自己也不清楚，简直就是碰运气 1. 安装之前依赖项 General dependencies sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler sudo apt-get install --no-install-recommends libboost-all-dev 安装matlab见后面： 为什么需要安装Matlab？ caffe有Matlab的接口，因此如果需要使用Matlab调用caffe，进行编程，就需要安装Matlab。如果你觉得使用C或Python编程比较难，就请安装Matlab。当然如果不需要，并且后面不会编译caffe生成Matlab的接口，就不需要安装Matlab了。这个纯粹根据个人需求来定。 为什么需要安装OpenCV？ caffe是用来做深度学习的，深度学习的一大应用对象就是图像和视频。而OpenCV是目前最火的开源计算机视觉库，非常多的项目多用到了OpenCV，当然caffe也依赖OpenCV。所以，需要安装OpenCV

　　最近开始尝试Deep Learning的东西，师兄推荐了Caffe，开始尝试如何配置Caffe运行所需环境。 　　OK，开始动手。 　　找到Caffe官网的安装指南：http://caffe.berkeleyvision.org/installation.html，着实被安装的预备条件吓了一下，好大一坨，没办法，安装需求，硬着头皮也要上啊，一项一项开始走起～（另外，这篇http://blog.csdn.net/yuxiangyunei/article/details/50165519博文也给出了一些安装步骤，我这里基本都是自己编译的包，并不是同该博文中的使用Ubuntu软件库进行的安装配置，大家可以参考一下这位大牛的步骤。） 1、CUDA和BLAS安装 　　CUDA安装包和驱动的下载去NVIDIA官网下就好，Caffe官方推荐的是最新的CUDA 7.0及以上版本，所以，追了一把潮流，来了一个7.5版本的，驱动来个Linux环境下的闭源驱动，如果已经安装Linux下Additional Driver推荐的驱动的话，需要卸载重新安装，这个通过系统工具安装的驱动是没办法安装从官网下载的CUDA工具包的（记得之前是这个样子），这里也没有选择通过apt-get安装的CUDA版本，一步一步走起，感觉能更好的理解整个安装过程，而且，也知道自己安装的东西所在目录吧。 　 a) CUDA 7

前记 由于是在一台用了很久的机器上安装caffe，过程比较复杂，网上说再干净的机器上装比较简单。如果能有干净的机器，就不用再过这么多坑了，希望大家好运！介绍这里就不说了，直接进入正题： Caffe 主页 http://caffe.berkeleyvision.org/ github主页 https://github.com/BVLC/caffe 机器配置： [root@cdh-nn-182 build]# lsb_release -a LSB Version: :base-4.0-amd64:base-4.0-noarch:core-4.0-amd64:core-4.0-noarch:graphics-4.0-amd64:graphics-4.0-noarch:printing-4.0-amd64:printing-4.0-noarch Distributor ID: RedHatEnterpriseServer Description: Red Hat Enterprise Linux Server release 6.3 (Santiago) Release: 6.3gcc 版本 4.4.7 20120313 (Red Hat 4.4.7-16) (GCC)Python 2.7.10 python已安装numpy，没有GPU Prerequisites CUDA is