Caffe2 - 安装

---

---

现在，您已经对 Caffe2 的功能有了足够的了解，是时候自己尝试使用 Caffe2 了。要使用预训练模型或在您自己的 Python 代码中开发模型，您必须首先在您的机器上安装 Caffe2。

在 Caffe2 网站的安装页面上，该页面可在以下链接访问：https://caffe2.ai/docs/getting-started.html，您将看到以下内容以选择您的平台和安装类型。

如您在上面的屏幕截图中看到的，Caffe2 支持多个流行平台，包括移动平台。

现在，我们将了解在所有本教程中的项目都经过测试的MacOS 安装步骤。

MacOS 安装

安装可以有以下四种类型：

• 预构建二进制文件
• 从源代码构建
• Docker 镜像
• 云

根据您的喜好，选择上述任何一种作为您的安装类型。此处提供的说明根据 Caffe2 安装网站上的预构建二进制文件。它使用 Anaconda 用于Jupyter 环境。在您的控制台提示符中执行以下命令

pip install torch_nightly -f 
https://download.pytorch.org/whl/nightly/cpu/torch_nightly.html

此外，您还需要一些第三方库，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 网站中的一些教程还需要安装zeromq，它使用以下命令安装：

conda install -c anaconda zeromq

Windows/Linux 安装

在您的控制台提示符中执行以下命令：

conda install -c pytorch pytorch-nightly-cpu

您可能已经注意到，您需要 Anaconda 才能使用上述安装。您需要安装MacOS 安装中指定的附加软件包。

测试安装

要测试您的安装，下面提供了一个小的 Python 脚本，您可以将其剪切粘贴到您的 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)

执行上述代码时，您应该会看到以下输出：

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：

现在，您已经在您的机器上安装了 Caffe2，请继续安装教程应用程序。

教程安装

使用以下命令在您的控制台中下载教程源代码：

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文件夹中找到多个 Python 项目。此处提供了此文件夹的屏幕截图，供您快速查看。

/Users/yourusername/caffe2_tutorials

您可以打开其中一些教程以查看Caffe2 代码的外观。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。

现在是时候进行一些我们自己的 Python 编码了。让我们了解如何使用 Caffe2 中的预训练模型。稍后，您将学习如何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。