如何在caffe中实现矩阵 *** 作

1首先要准备几样东西：

（1）要预测的图像，需要32×32大小;

（2）网络配置文件，prototxt,以及每个图像的路径及其序号。

（3）训练好的caffemodel以及均值二进制文件，貌似可以定值，需要通过数据训练计算得到。

（3）预测的主程序

内容：

View Code

2结果：

View Code

各个类别图示：

3后记

上面是用CPU跑的，我还等了几秒钟，用了下GPU处理，瞬间，真的很快，Enter完就出结果了。

可以参照前一篇文章配置windows下的ssd，本文假设ssd已经通过windows下的编译。

1准备数据

需要根据PASCAL VOC格式 准备对应的数据，推荐一个好用的贴标签软件(>

CUDA安装（包括nvidia显卡驱动和cuda库文件）：CUDA(ComputeUnifiedDeviceArchitecture)，是显卡厂商NVIDIA推出的运算平台CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。开发人员现在可以使用C语言来为CUDA™架构编写程序，C语言是应用最广泛的一种高级编程语言。所编写出的程序于是就可以在支持CUDA™的处理器上以超高性能运行。CUDA30已经开始支持C++和FORTRAN。通过英伟达安装包来分别安装库的驱动程序而不是使用apt-get来安装。如果只有CPU可以跳过这步。主板BIOS里面要选择自由选择显卡，这样才能识别nvidia的显卡并进行驱动更新。快捷键ctrl+alt+T打开命令终端，加入官方ppa源（ppa简介）。[html]viewplaincopy需要输入密码并按enter键确认。之后刷新软件库并安装最新驱动。[html]viewplaincopy安装完成后通过下面命令查看是否安装成功。[html]viewplaincopy注意安装完成后要重启，有如下效果则安装完成，否则就说明安装有问题，尝试关闭UEFI保护试试。$nvidia-settings$sudoapt-getupdate$sudoapt-getinstallnvidia-367nvidia-settingsnvidia-prime$sudoadd-apt-repositoryppa:graphics-drivers/ppa

所谓三层体系结构，是在客户端与数据库之间加入了一个中间层，也叫组件层。这里所说的三层体系，不是指物理上的三层，不是简单地放置三台机器就是三层体系结构，也不仅仅有B/S应用才是三层体系结构，三层是指逻辑上的三层，即使这三个层放置到一台机器上。三层体系的应用程序将业务规则、数据访问、合法性校验等工作放到了中间层进行处理。通常情况下，客户端不直接与数据库进行交互，而是通过COM/DCOM通讯与中间层建立连接，再经由中间层与数据库进行交换。

一般linux下c++程序移植主要有以下问题: 文件路径不同,linux有根目录,windows分盘 基础库是基本一致的,扩展库windows下可能没有,有源文件的可以下载,经过编译的就没法了 系统api可能需要改 讲道理你问这个问题说明你要移植的程序不复杂,

步骤1:安装所需的依赖库

1

命令如下。

（1）sudo apt-get update

（2）sudo apt-get install -y --no-install-recommends \

build-essential \

cmake \

git \

libgoogle-glog-dev \

libprotobuf-dev \

protobuf-compiler \

python-dev \

python-pip                     

（3）sudo pip install numpy protobuf

END

步骤2：可选的GPU支持

1

概述。如果您打算使用GPU而不是CPU，那么您应该安装NVIDIA CUDA 8和cuDNN v51或v60，这是GPU加速的深度神经网络的原生类型库。

2

首先更新您的显卡驱动程序（NVIDIA CUDA 8）！ 否则您可能会遇到各种难以诊断的错误。

1、适用Ubuntu 1604的命令行。

（1）sudo apt-get update && sudo apt-get install wget -y --no-install-recommends

（2）wget ">

（3）sudo dpkg -i cuda-repo-ubuntu1604_8061-1_amd64deb

（4）sudo apt-get update

（5）sudo apt-get install cuda

2、适用Ubuntu 1404的命令行。

（1）sudo apt-get update && sudo apt-get install wget -y --no-install-recommends

（2）wget ">

（3）sudo dpkg -i cuda-repo-ubuntu1404_8061-1_amd64deb

（4）sudo apt-get update

（5）sudo apt-get install cuda

3

安装cuDNN（适用所有Ubuntu版本）。

（1）CUDNN_URL=">

（2）wget ${CUDNN_URL}

（3）sudo tar -xzf cudnn-80-linux-x64-v51tgz -C /usr/local

（4）rm cudnn-80-linux-x64-v51tgz && sudo ldconfig

END

步骤3：可选依赖库

libgflags库安装。注意：libgflags2是用于Ubuntu 1404；libgflags-dev是用于Ubuntu 1604。这两个不能搞混，否则安装会报错。

(1)适用Ubuntu 1404的命令行。

sudo apt-get install -y --no-install-recommends libgflags2

(2)适用Ubuntu 1604的命令行。

sudo apt-get install -y --no-install-recommends libgflags-dev

安装其他可选依赖库（适合Ubuntu 1404和1604）。

（1）sudo apt-get install -y --no-install-recommends \

libgtest-dev \

libiomp-dev \

libleveldb-dev \

liblmdb-dev \

libopencv-dev \

libopenmpi-dev \

libsnappy-dev \

openmpi-bin \

openmpi-doc \

python-pydot

（2）sudo pip install \

flask \

future \

graphviz \

hypothesis \

jupyter \

matplotlib \

pydot python-nvd3 \

pyyaml \

requests \

scikit-image \

scipy \

setuptools \

six \

tornado

几百KB到几十MB之间。

实现一个基本的Faster R-CNN算法所需的程序大小可能在几百KB到几十MB之间。如果考虑到训练和测试数据集的大小，以及各种依赖库和工具，程序的总大小可能更大。

Faster R-CNN程序指的是实现Faster R-CNN算法所需的计算机程序，通常使用深度学习框架（如TensorFlow、PyTorch、Caffe等）进行开发和实现。

　观察caffe-master的第三方程序包，这个与caffe-master本文件夹都需要加上去的。所以在属性表里，先后需要include以下这些：（路径请自行修改）

D:\caffe-master\include

D:\NugetPackages\boost15900\lib\native\include

D:\NugetPackages\glog0330\build\native\include

D:\NugetPackages\gflags2121\build\native\include

D:\NugetPackages\protobuf-v120261\build\native\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v75\include

D:\NugetPackages\OpenBLAS02141\lib\native\include

D:\caffe-master\include\caffe\layers

D:\NugetPackages\OpenCV2410\build\native\include

D:\NugetPackages\OpenCV2410\build\native\include\opencv

D:\NugetPackages\OpenCV2410\build\native\include\opencv2

最后一项是CUDA的配置路径，找一下应该就可以找到。

那么我们的附加依赖项需要添加：

libcaffelib

libprotobuflib

opencv_highgui2410lib

opencv_core2410lib

opencv_imgproc2410lib

libgloglib

gflagslib

libopenblasdlla

hdf5lib

hdf5_hllib

cublaslib

cublas_devicelib

cudalib

cudadevrtlib

cudnnlib

cudartlib

cufftlib

cudart_staticlib

cufftwlib

cusparselib

cusolverlib

curandlib

nppclib

OpenCLlib

对了，最后别忘了配置环境变量哟，配置完之后重启一遍：

D:\NugetPackages\gflags2121\build\native\x64\v120\dynamic\Lib

D:\NugetPackages\hdf5-v120-complete18152\lib\native\bin\x64

D:\NugetPackages\glog0330\build\native\bin\x64\v120\Release\dynamic

D:\NugetPackages\OpenBLAS02141\lib\native\bin\x64

D:\NugetPackages\gflags2121\build\native\x64\v120\dynamic\Lib

D:\NugetPackages\OpenCV2410\build\native\bin\x64\v120\Release

D:\caffe-master\Build\x64\Release

那么在做完这些之后，我们就可以在新建工程里使用Caffe的接口了

以上就是关于如何在caffe中实现矩阵 *** 作全部的内容，包括:如何在caffe中实现矩阵 *** 作、如何使用ssd训练自己的数据、安装caffe 必须安cuda吗等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！