choice python接口,数据可视化环境（Python接口)配置

数据可视化环境(Python接口)配置

caffe程序是由c++语言写的，本身是不带数据可视化功能的。只能借助其它的库或接口，如opencv, python或matlab。大部分人使用python接口来进行可视化，因为python出了个比较强大的东西：ipython notebook, 现在的最新版本改名叫jupyter notebook，它能将python代码搬到浏览器上去执行，以富文本方式显示，使得整个工作可以以笔记的形式展现、存储，对于交互编程、学习非常方便。

python环境不能单独配置，必须要先编译好caffe，才能编译python环境。

python环境的配置说起来简单，做起来非常复杂。在安装的过程中，可能总是出现这样那样的问题。因此强烈建议大家用anaconda来进行安装，anaconda把很多与python有关的库都收集在一起了，包括numpy,scipy等等，因此，我们只需要下载对应系统，对应版本的anaconda来安装就可以了。

如果你想通过anaconda来安装，请跳过第一、二步，直接进入第三步开始：

一、安装python和pip

一般linux系统都自带python，所以不需要安装。如果没有的，安装起来也非常方便。安装完成后，可用version查看版本

#python --version

pip是专门用于安装python各种依赖库的，所以我们这里安装一下pip1.5.6

#sudo python setup.py install

有些电脑可能会提示 no moudle name setuptools 的错误，这是没有安装setuptools的原因。那就需要先安装一下setuptools, 到https://pypi.python.org/packages/source/s/setuptools/setuptools-19.2.tar.gz 下载安装包setuptools-19.2.tar.gz，然后解压执行

#sudo python setup.py install

就要以安装setuptools了，然后再回头去重新安装pip。执行的代码都是一样的，只是在不同的目录下执行。

二、安装pyhon接口依赖库

在caffe根目录的python文件夹下，有一个requirements.txt的清单文件，上面列出了需要的依赖库，按照这个清单安装就可以了。

在安装scipy库的时候，需要fortran编译器(gfortran)，如果没有这个编译器就会报错，因此，我们可以先安装一下。

首先回到caffe的根目录，然后执行安装代码：

#cd ~/caffe

# sudo apt-get install gfortran#for req in $(cat requirements.txt); do sudo pip install $req; done

安装完成以后，我们可以执行：

#sudo pip install -r python/requirements.txt

就会看到，安装成功的，都会显示Requirement already satisfied, 没有安装成功的，会继续安装。

在安装的时候，也许问题会有一大堆。这时候你就知道anaconda的好处了。

三、利用anaconda来配置python环境

如果你上面两步已经没有问题了，那么这一步可以省略。

如果你想简单一些，利用anaconda来配置python环境，那么直接从这一步开始，可以省略上面两步。

先到https://www.continuum.io/downloads 下载anaconda, 现在的版本有python2.7版本和python3.5版本，下载好对应版本、对应系统的anaconda，它实际上是一个sh脚本文件，大约280M左右。我下载的是linux版的python 2.7版本。

下载成功后，在终端执行(2.7版本)：

#bash Anaconda2-2.4.1-Linux-x86_64.sh

或者3.5 版本：

#bash Anaconda3-2.4.1-Linux-x86_64.sh

在安装的过程中，会问你安装路径，直接回车默认就可以了。有个地方问你是否将anaconda安装路径加入到环境变量(.bashrc)中，这个一定要输入yes

安装成功后，会有当前用户根目录下生成一个anaconda2的文件夹，里面就是安装好的内容。

输入conda list 就可以查询，你现在安装了哪些库，常用的numpy, scipy名列其中。如果你还有什么包没有安装上，可以运行

conda install ***  来进行安装，

如果某个包版本不是最新的，运行 conda update *** 就可以了。

四、编译python接口

首先，将caffe根目录下的python文件夹加入到环境变量

打开配置文件bashrc

#sudo vi ~/.bashrc

在最后面加入

export PYTHONPATH=/home/xxx/caffe/python:$PYTHONPATH

注意 /home/xxx/caffe/python 是我的路径，这个地方每个人都不同，需要修改

保存退出，更新配置文件

#sudo ldconfig

然后修改编译配置文件Makefile.config. 我的配置是：

## Refer to http://caffe.berkeleyvision.org/installation.html#Contributions simplifying and improving our build system are welcome!

#cuDNN acceleration switch (uncomment to build with cuDNN).

USE_CUDNN := 1

#CPU-only switch (uncomment to build without GPU support).#CPU_ONLY := 1

#uncomment to disable IO dependencies and corresponding data layers#USE_OPENCV := 0#USE_LEVELDB := 0#USE_LMDB := 0

#uncomment to allow MDB_NOLOCK when reading LMDB files (only if necessary)#You should not set this flag if you will be reading LMDBs with any#possibility of simultaneous read and write#ALLOW_LMDB_NOLOCK := 1

#Uncomment if you're using OpenCV 3#OPENCV_VERSION := 3

#To customize your choice of compiler, uncomment and set the following.#N.B. the default for Linux is g++ and the default for OSX is clang++#CUSTOM_CXX := g++

#CUDA directory contains bin/ and lib/ directories that we need.

CUDA_DIR := /usr/local/cuda#On Ubuntu 14.04, if cuda tools are installed via#"sudo apt-get install nvidia-cuda-toolkit" then use this instead:#CUDA_DIR := /usr

#CUDA architecture setting: going with all of them.#For CUDA < 6.0, comment the *_50 lines for compatibility.

CUDA_ARCH := -gencode arch=compute_20,code=sm_20-gencode arch=compute_20,code=sm_21-gencode arch=compute_30,code=sm_30-gencode arch=compute_35,code=sm_35-gencode arch=compute_50,code=sm_50-gencode arch=compute_50,code=compute_50#BLAS choice:#atlas for ATLAS (default)#mkl for MKL#open for OpenBlas

BLAS :=atlas#Custom (MKL/ATLAS/OpenBLAS) include and lib directories.#Leave commented to accept the defaults for your choice of BLAS#(which should work)!#BLAS_INCLUDE := /path/to/your/blas#BLAS_LIB := /path/to/your/blas

#Homebrew puts openblas in a directory that is not on the standard search path#BLAS_INCLUDE := $(shell brew --prefix openblas)/include#BLAS_LIB := $(shell brew --prefix openblas)/lib

#This is required only if you will compile the matlab interface.#MATLAB directory should contain the mex binary in /bin.#MATLAB_DIR := /usr/local#MATLAB_DIR := /Applications/MATLAB_R2012b.app

#NOTE: this is required only if you will compile the python interface.#We need to be able to find Python.h and numpy/arrayobject.h.#PYTHON_INCLUDE := /usr/include/python2.7 \

/usr/lib/python2.7/dist-packages/numpy/core/include#Anaconda Python distribution is quite popular. Include path:#Verify anaconda location, sometimes it's in root.

ANACONDA_HOME := $(HOME)/anaconda2

PYTHON_INCLUDE := $(ANACONDA_HOME)/include $(ANACONDA_HOME)/include/python2.7$(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include#We need to be able to find libpythonX.X.so or .dylib.#PYTHON_LIB := /usr/lib

PYTHON_LIB := $(ANACONDA_HOME)/lib#Homebrew installs numpy in a non standard path (keg only)#PYTHON_INCLUDE += $(dir $(shell python -c 'import numpy.core; print(numpy.core.__file__)'))/include#PYTHON_LIB += $(shell brew --prefix numpy)/lib

#Uncomment to support layers written in Python (will link against Python libs)

WITH_PYTHON_LAYER := 1

#Whatever else you find you need goes here.

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include

LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib#If Homebrew is installed at a non standard location (for example your home directory) and you use it for general dependencies#INCLUDE_DIRS += $(shell brew --prefix)/include#LIBRARY_DIRS += $(shell brew --prefix)/lib

#Uncomment to use `pkg-config` to specify OpenCV library paths.#(Usually not necessary -- OpenCV libraries are normally installed in one of the above $LIBRARY_DIRS.)#USE_PKG_CONFIG := 1

BUILD_DIR :=build

DISTRIBUTE_DIR :=distribute#Uncomment for debugging. Does not work on OSX due to https://github.com/BVLC/caffe/issues/171#DEBUG := 1

#The ID of the GPU that 'make runtest' will use to run unit tests.

TEST_GPUID :=0#enable pretty build (comment to see full commands)

Q ?= @

修改完编译配置文件后，最后进行编译：

#sudo make pycaffe

编译成功后，不能重复编译，否则会提示 Nothing to be done for "pycaffe"的错误。

防止其它意外的错误，最好还编译一下：

#sudo make test -j8#sudo make runtest -j8

也许你在编译runtest的时候，会报这样的错误：

.build_release/test/test_all.testbin: error while loading shared libraries: libhdf5.so.10: cannot open shared object file: No such file or directory

这是因为 libhdf5.so的版本问题，你可以进入/usr/lib/x86_64-linux-gnu看一下，你的libhdf5.so.x中的那个x是多少，比如我的是libhdf5.so.7

因此可以执行下面几行代码解决:

#cd /usr/lib/x86_64-linux-gnu#sudo ln -s libhdf5.so.7 libhdf5.so.10#sudo ln -s libhdf5_hl.so.7 libhdf5_hl.so.10#sudo ldconfig

最终查看python接口是否编译成功：

进入python环境，进行import操作

#python

>>> import caffe

如果没有提示错误，则编译成功。

五、安装jupyter

安装了python还不行，还得安装一下ipython，后者更加方便快捷，更有自动补全功能。而ipython notebook是ipython的最好展现方式。最新的版本改名为jupyter notebook,我们先来安装一下。(如果安装了anaconda, jupyter notebook就已经自动装好，不需要再安装)

#sudo pip install jupyter

安装成功后，运行notebook

#jupyter notebook

就会在浏览器中打开notebook,  点击右上角的New-python2, 就可以新建一个网页一样的文件，扩展名为ipynb。在这个网页上，我们就可以像在命令行下面一样运行python代码了。输入代码后，按shift+enter运行，更多的快捷键，可点击上方的help-Keyboard shortcuts查看，或者先按esc退出编辑状态，再按h键查看。