Caffe作為在眾多公司搞深度學習時較多使用的框架，其在使用的友好程度上顯然要比后起的一些深度學習框架要差一些，雖然如此，其作為深度學習的第一個開源框架，自有它的很多優勢，比如設計結構。關于Caffe的種種，這里不表，小白菜僅聊很小的一個點，即：對于調用Caffe框架的C++程序，如何使用makefile進行編譯的問題。

這個問題是小白菜近兩天遇到的一個問題，經過小半天的谷歌以及嘗試，順利解決。記錄下來，一則備查詢之需，二則對碰到相同問題的朋友也應該有幫助。當然對使用IDE的朋友，這個問題并不是問題，但是某些場合，比如開發環境在服務器上，這時候只能采用vim+makefile的方式來編寫代碼以及編譯代碼了，so我們終究還是避不過這個問題。

關于使用makefile編譯調用Caffe框架的C++程序，有兩種方式：一種是最容易且最笨的方法，即把你寫的C++程序方法Caffe的examples目錄里面，然后在CMakeLists.txt里面把你的C++程序添加到相應的位置，這種方式終究不是一個長久之道；另外一種是把Caffe編譯成一個庫，然后我們可以像正常使用一個庫一樣，調用和編譯C++程序了。小白菜以為，此種方式是最優雅的方法，注意，對于makefile文件，我們并不是直接寫的，而是通過寫cmake文件然后編譯生成的makefile文件。整個過程分為三步：

• 重新編譯一份Caffe
• 編寫cmake文件
• 編譯目標文件

下面細解該方法的步驟。

重新編譯一份Caffe

對于已有Caffe環境了的小伙伴，對于重新編譯一份Caffe可能覺得多余，但小白菜以為，通過下面這種方式編譯，可以讓你后續的步驟能夠順利進行，執行下面命令：

git clone https://github.com/BVLC/caffe.git git checkout master cp Makefile.config.example Makefile.config

修改Makefile.config文件，小白菜的線上環境用的Openblas做的矩陣加速，所以BLAS這一塊的配置如下：

# BLAS choice: # atlas for ATLAS (default) # mkl for MKL # open for OpenBlas BLAS := open BLAS_INCLUDE := /opt/OpenBLAS/include BLAS_LIB := /opt/OpenBLAS/lib

然后，可以開始愉快地編譯下面Caffe了：

mkdir build && cd build cmake .. -DBUILD_SHARED_LIB=ON -DBLAS=open cmake . -DCMAKE_BUILD_TYPE=Debug # switch to debug make -j 12 && make install # installs by default to build_dir/install cmake . -DCMAKE_BUILD_TYPE=Release # switch to release make -j 12 && make install # doesn’t overwrite debug install make pycaffe

上面編譯完成后，我們在build/install目錄下看到Caffe作為一個供調用的庫的完整文件：

├── bin ├── include ├── lib ├── python └── share

到這里，第一步走完了。回到關于推薦重新編譯一份的問題，為什么推薦重新編譯一份呢？這是因為，后面在寫cmake文件的時候，我們是通過find_package來找Caffe庫的，如果不按上面的過程重新編譯一份，find_package無法找到Caffe的庫目錄。當然你也可以通過其他的方式繞過去，但如果想少些折騰，還是按這個來為妥。

此外，為了能夠正常使用Caffe的Python接口，還需要按照Python的一些依賴模塊：

cd caffe_root/python pip install -r requirements.txt

補充：對于mac osx系統，如果按照上面編譯完后，在import caffe時出現如下錯誤：

26852 segmentation fault python

這個錯誤主要是Makefile.conf中python的include和lib設置不合理所引起的，具體可以參考Segfault on PyCaffe import。將PYTHON_INCLUDE和PYTHON_LIB修改為：

PYTHON_INCLUDE := /usr/local/Cellar/python/2.7.13/Frameworks/Python.framework/Versions/2.7/include/python2.7PYTHON_LIB := /usr/local/Cellar/python/2.7.13/Frameworks/Python.framework/Versions/2.7/lib

然后重新按照前面的步驟編譯一遍即可解決上面的bug。

虛擬環境運行Caffe異常

講真，只要使用python編程，anaconda絕對是一把利器。集成的ipython、jupyter、常用的第三方模塊以及虛擬環境，可以省去不少讓人折騰的功夫。舉個例子，在日常的開發中，小白菜做開發都是在服務器上，但服務器上沒有sudo權限，所以如果用Pyhon做開發，弄個虛擬開發環境必不可少。一直以來，小白菜都是用的Virtualenv來構建虛擬環境。這幾天，在看Anaconda的bin目錄下，發覺了Anaconda也有activate，然后揣測它應該跟Virtualenv，然后執行source activate，安裝了Keras測試一下，發覺它并沒有安裝在系統目錄里，而是安裝在Anaconda目錄下，甚喜，因為這意味著小白菜以后可以隨意安裝自己需要的安裝包。

為了方便導入Caffe，將Caffe的Python目添加到環境變量中：

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

執行source .bashrc，然后啟動ipython，導入Caffe，異常拋出如下：

In [4]: import caffeIn [5]: QXcbConnection: Could not connect to display 已放棄(吐核)

因為服務器上無圖像界面服務，所以推測這個錯誤應該跟這個圖像界面的相關，然后谷歌到了Generating matplotlib graphs without a running X server，在導入Caffe之前，使用Agg backend作為后端渲染，即：

In [2]: import matplotlib as mpl In [3]: mpl.use('Agg') In [4]: import caffe

異常消除。這個問題比較奇怪，后來小白菜不執行[2][3]發覺沒出現原來的錯誤了，不過不管出不出現了，整理以備再次出現此問題。

編寫cmake文件

順利完成了重新編譯一份Caffe的步驟后，我們來寫(復制)一份CMakeLists.txt文件：

cmake_minimum_required(VERSION 2.8.8) find_package(Caffe) include_directories(${Caffe_INCLUDE_DIRS}) add_definitions(${Caffe_DEFINITIONS}) # ex. -DCPU_ONLY add_executable(caffeinated_application extract_features.cpp) target_link_libraries(caffeinated_application ${Caffe_LIBRARIES})

此份文件來自Improved CMake scripts。上面，小白菜要單獨編譯一份經過修改后的提取特征的文件extract_features.cpp，整個目錄是這樣的：

├── CMakeLists.txt └── extract_features.cpp

編譯目標文件

我們進入到包含CMakeLists.txt和extract_features.cpp文件的目錄，執行下面命令：

mkdir build cd build cmake .. make

執行到這一步，得到了我們的最終可執行文件caffeinated_application，我們的整個使用makefile編譯調用Caffe框架的C++程序的問題已完結。

通過此種方法，我們能夠很優雅的解決使用makefile編譯調用Caffe框架的C++程序的問題，后面就可以愉快地寫各種調用Caffe框架的代碼了。

附錄

如何在Macosx上安裝caffe

from:?http://yongyuan.name/blog/compiling-cpp-code-using-caffe.html?

總結

以上是生活随笔為你收集整理的机器视觉：makefile编译调用Caffe框架的C++程序的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。