caffe ट्यूटोरियल
कैफ के साथ शुरुआत करना

टिप्पणियों

संस्करण

स्थापना और सेटअप

उबंटू

नीचे उबंटू 14.04 x64 या 14.10 x64 पर, कैफ, पाइकाफ के साथ-साथ इसकी निर्भरता को स्थापित करने के लिए विस्तृत निर्देश दिए गए हैं।

निम्न स्क्रिप्ट निष्पादित करें, उदाहरण के लिए "bash compile_caffe_ubuntu_14.sh" (एक नए उबंटू पर ~ 30 से 60 मिनट)।

# This script installs Caffe and pycaffe. 
# CPU only, multi-threaded Caffe.

# Usage: 
# 0. Set up here how many cores you want to use during the installation:
# By default Caffe will use all these cores.
NUMBER_OF_CORES=4

sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev 
sudo apt-get install -y libopencv-dev libhdf5-serial-dev
sudo apt-get install -y --no-install-recommends libboost-all-dev
sudo apt-get install -y libatlas-base-dev 
sudo apt-get install -y python-dev 
sudo apt-get install -y python-pip git

# For Ubuntu 14.04
sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler 

# Install LMDB
git clone https://github.com/LMDB/lmdb.git 
cd lmdb/libraries/liblmdb
sudo make 
sudo make install

# More pre-requisites 
sudo apt-get install -y cmake unzip doxygen
sudo apt-get install -y protobuf-compiler
sudo apt-get install -y libffi-dev python-pip python-dev build-essential
sudo pip install lmdb
sudo pip install numpy
sudo apt-get install -y python-numpy
sudo apt-get install -y gfortran # required by scipy
sudo pip install scipy # required by scikit-image
sudo apt-get install -y python-scipy # in case pip failed
sudo apt-get install -y python-nose
sudo pip install scikit-image # to fix https://github.com/BVLC/caffe/issues/50


# Get caffe (http://caffe.berkeleyvision.org/installation.html#compilation)
cd
mkdir caffe
cd caffe
wget https://github.com/BVLC/caffe/archive/master.zip
unzip -o master.zip
cd caffe-master

# Prepare Python binding (pycaffe)
cd python
for req in $(cat requirements.txt); do sudo pip install $req; done

# to be able to call "import caffe" from Python after reboot:
echo "export PYTHONPATH=$(pwd):$PYTHONPATH " >> ~/.bash_profile 
source ~/.bash_profile # Update shell 
cd ..

# Compile caffe and pycaffe
cp Makefile.config.example Makefile.config
sed -i '8s/.*/CPU_ONLY := 1/' Makefile.config # Line 8: CPU only
sudo apt-get install -y libopenblas-dev
sed -i '33s/.*/BLAS := open/' Makefile.config # Line 33: to use OpenBLAS
# Note that if one day the Makefile.config changes and these line numbers may change
echo "export OPENBLAS_NUM_THREADS=($NUMBER_OF_CORES)" >> ~/.bash_profile 
mkdir build
cd build
cmake ..
cd ..
make all -j$NUMBER_OF_CORES # 4 is the number of parallel threads for compilation: typically equal to number of physical cores
make pycaffe -j$NUMBER_OF_CORES
make test
make runtest
#make matcaffe
make distribute

# Afew few more dependencies for pycaffe
sudo pip install pydot
sudo apt-get install -y graphviz
sudo pip install scikit-learn

अंत में, आपको "स्रोत ~ / .bash_profile" मैन्युअल रूप से चलाने या एक नया शेल शुरू करने की आवश्यकता है जो 'अजगर आयात कैफ' करने में सक्षम हो।

Caffe के साथ मल्टीथ्रेडिंग सक्षम करें

कैफ कई कोर पर चल सकता है। एक तरीका डिफ़ॉल्ट एटीएलएएस के बजाय ओपनबीएलएएस का उपयोग करने के लिए कैफ के साथ मल्टीथ्रेडिंग को सक्षम करना है। ऐसा करने के लिए, आप इन तीन चरणों का पालन कर सकते हैं:

1. sudo apt-get install -y libopenblas-dev
2. कैफ़ को संकलित करने से पहले, Makefile.config संपादित करें, BLAS := atlas प्रतिस्थापित करें BLAS := atlas को BLAS := open
3. Caffe को संकलित करने के बाद, चल रहे export OPENBLAS_NUM_THREADS=4 कारण Caffe का 4 कोर का उपयोग होगा।

कैफीन में नियमितीकरण हानि (वजन में गिरावट)

सॉल्वर फ़ाइल में, हम weight_decay और regularization_type विकल्पों का उपयोग करके एक वैश्विक नियमितीकरण हानि सेट कर सकते हैं।

कई मामलों में हम अलग-अलग परतों के लिए अलग-अलग वजन घटाने की दर चाहते हैं। यह नेटवर्क परिभाषा फ़ाइल में प्रत्येक परत के लिए decay_mult विकल्प सेट करके किया जा सकता है, जहां decay_mult वैश्विक भार क्षय दर पर गुणक है, इसलिए एक परत के लिए लागू वास्तविक भार क्षय decay_mult*weight_decay ।

उदाहरण के लिए, निम्न एक ठोस परत के साथ एक विलेय परत को परिभाषित करता है, चाहे सॉल्वर फाइल के विकल्पों की परवाह किए बिना।

layer {
  name: "Convolution1"
  type: "Convolution"
  bottom: "data"
  top: "Convolution1"
  param {
    decay_mult: 0
  }
  convolution_param {
    num_output: 32
    pad: 0
    kernel_size: 3
    stride: 1
    weight_filler {
      type: "xavier"
    }
  }
}

अधिक जानकारी के लिए इस धागे को देखें।