Caffe2 - 安装

现在，您已经对 Caffe2 的功能有了足够的了解，是时候亲自试验 Caffe2 了。要使用预先训练的模型或使用自己的 Python 代码开发模型，您必须首先在计算机上安装 Caffe2。

在 Caffe2 站点的安装页面（可通过链接https://caffe2.ai/docs/getting-started.html访问）上，您将看到以下内容以选择您的平台和安装类型。

安装页面

正如您在上面的屏幕截图中看到的，Caffe2支持多种流行的平台，包括移动平台。

现在，我们将了解MacOS 安装步骤，本教程中的所有项目都在其上进行了测试。

MacOS安装

安装可以有四种类型，如下所示 -

  • 预构建的二进制文件
  • 从源代码构建
  • Docker 镜像
  • 云

根据您的喜好，选择以上任意一种作为您的安装类型。此处给出的说明是根据 Caffe2 安装站点的预构建二进制文件进行的。它使用 Anaconda 作为Jupyter 环境。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

除了上述内容之外，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 网站中的一些教程还需要安装Zeromq，它是使用以下命令安装的 -

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

您一定已经注意到，您需要 Anaconda 才能使用上述安装。您将需要安装MacOS 安装中指定的附加软件包。

测试安装

为了测试您的安装，下面给出了一个小的 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)

当您执行上述代码时，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]]

此处显示安装测试页面的屏幕截图，供您快速参考 -

测试安装

现在，您已在计算机上安装了 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。该文件夹的屏幕截图供您快速浏览。

/Users/yourusername/caffe2_tutorials
教程安装

您可以打开其中一些教程来查看Caffe2 代码是什么样的。本教程中描述的接下来的两个项目主要基于上面显示的示例。

现在是时候编写一些我们自己的 Python 代码了。让我们了解如何使用 Caffe2 中的预训练模型。稍后，您将学习创建自己的简单神经网络，以在您自己的数据集上进行训练。