ubuntu14.04&matlab2015b 测试caffe的Matlab接口

Step1: 修改caffe-master中的Makefile.config

提示:可以到文件中直接“ctrl+f”,键入相应大写字母即可查找到相应位置。

Step2:编译接口。如果之前编译caffe环境时候,已经runtest过了的话,可以直接编译接口,在caffe-master目录下打开终端,输入: make catcaffe。

注:一定记得在这步之前修改Makefile里地址,至于如果是CPU版的话,记得同时去“ONLY CPU”的“#”,相信之前在配置环境的时候已经注意到了。

Step3:测试接口。输入:make mattest

如果这里报错可以参考http://www.cnblogs.com/laiqun/p/6031925.html

如果正常运行,通常会显示如下:

Step4:可以下载一个训练好的网络对接口进行测试

a. 可以到http://dl.caffe.berkeleyvision.org/bvlc_reference_caffenet.caffemodel下载相应训练好的网络,然后放入文件夹/caffe-master/models/bvlc_reference_caffenet,这是一个方便运行demo的使用的模型。

b. 在终端输入“matlab”调出matlab2015b,切换到目录/caffe-master/matlab/demo/(这很重要)

c. 输入命令 run(‘classification_demo.m‘) 或者双击打开classification_demo.m直接点击上面控制台上的“运行”即可,不需要输入参数。

d.输出是一个1000×1的矩阵,因为ImageNet数据集有1000个类别。

到此测试结束。祝大家好运!

时间: 2024-08-07 02:02:43

ubuntu14.04&matlab2015b 测试caffe的Matlab接口的相关文章

ubuntu下 编译Caffe的Matlab接口

一般情况下不愿意使用Caffe的Matlab接口,总觉得Linux版的Matlab很难配置,但是现在搞目标检测,得到的源码是使用的Caffe的Matlab接口,只能硬着头皮上了. (1)修改caffe-master/Makefile.config 这一步主要是在Caffe的编译配置文件Makefile.config中加入Matlab的路径.注意路径文件夹是要包含Matlab安装目录的“bin”文件夹的. (2)编译接口.这里默认已经编译好了Caffe源码主体部分.所以直接编译接口.在caffe-

Caffe初学者第一部:Ubuntu14.04上安装caffe(CPU)+Python的详细过程 (亲测成功, 20180524更新)

前言: 最近在学习深度学习,最先要解决的当然是开源框架的环境安装了.之前一直在学习谷歌的Tensorflow开源框架,最近实验中需要跟别人的算法比较,下载的别人的代码很多都是Caffe的,所以想着搭建好Caffe环境跑别人的代码.这中间经历过很多弯路,开始是入了Ubuntu16.04的坑,很多教程都说GCC版本不匹配,需要降级,我也尝试过发现很多坑:另外,就是安装matlab版本的Caffe以及安装GPU版本的Caffe,都经历了很多的波折,这前后摸索大概花了半个月左右.最后发现Ubuntu14

基于caffe与MATLAB接口的回归分析与可视化

如果遇到一些问题,可以在这里找下是否有解决方案.本文内容主要分为两部分,第一部分介绍基于caffe的回归分析,包括了数据准备.配置文件等:第二部分介绍了在MATLAB上进行的可视化.(话说本人最近有个课题需要做场景分类,有兴趣可以共同探讨一下). Preparation 预装好caffe on windows,并编译成功MATLAB接口. 通过caffe进行回归分析 通过caffe进行回归分析,在实验上主要分成HDF5数据准备.网络设计.训练.测试.该实验已经有网友做过,可以参考:http://

Ubuntu14.04 + KinectV2驱动安装 以及 Ros接口(基于网上方法试错 改进版)

一 前言 本来是没打算写这篇博客的,但由于自己快临近毕业了,然后自己大论文方向是视觉SLAM与惯导融合方法研究,因为需要配置ORBSLAM2,因此需要在Ubuntu系统下用到Kinect.早在去年我就安装过KinectV1以及KinectV2驱动,但时隔一年,自己很久没怎么接触这快,发现自己回过头,换个电脑就忘了怎么配置了,因此想写下这篇博客记录下配置方法,为以后师弟师妹们节省配置时间. KinectV2 在Ros下的使用配置主要分为两块: (1).先要安装对应的驱动: (2).然后安装Ros接

Ubuntu14.04下安装Caffe总结

转摘http://weibo.com/p/2304189db078090102vdvx 虽然Deep Learning已经不是什么新鲜的东西了,但是由于设备原因,自己一直没有涉足.前几天有幸换了一台自带GPU的Workstation,甚是高兴.于是迫不及待地装了个Ubuntu系统,开始配置DeepLearning框架Caffe.前后共花了差不多两天时间,终于把它配好了.配了这么多年的软件,Caffe应该是我配过最复杂的软件,没有之一.终于知道为什么用Caffe的人这么多,亲自去配它的人这么少了.

在Ubuntu中学习Caffe系列(1):安装配置ubuntu14.04+cuda7.5+caffe+cudnn

一.版本 linux系统:Ubuntu 14.04 (64位) 显卡:Nvidia K20c cuda: cuda_7.5.18_linux.run cudnn: cudnn-7.0-linux-x64-v4.0-rc 二.下载 Ubuntu 14.04下载地址:http://www.ubuntu.com/download/desktop (64bit) cuda7.5下载地址:https://developer.nvidia.com/cuda-downloads/  ,下载对应的操作系统和版本

(转)如何使用caffe的MATLAB接口

编译MatCaffe 转自: http://blog.csdn.net/ws_20100/article/details/50525879 使用如下命令编译MatCaffe make all matcaffe 1 之后,你可以用以下命令测试MatCaffe: make mattest 1 如果你在运行上面命令时,遇到如下错误:libstdc++.so.6 version 'GLIBCXX_3.4.15' not found,说明你的Matlab库不匹配.你需要在启动Matlab之前运行如下命令:

windows配置caffe及matlab接口编译和调用(cpu和gpu)

环境:windows 7+matlab2016a+vs2013 caffe下载地址:https://github.com/BVLC/caffe/tree/windows 1 进入caffe-windows的windows文件夹,Copy .\windows\CommonSettings.props.example to .\windows\CommonSettings.props 2 打开caffe工程,编辑CommonSettings.props文件,以下是cpu版本设置 <CpuOnlyBu

ubuntu14.04下安装cudnn5.1.3,opencv3.0,编译caffe及matlab和python接口过程记录

已有条件: ubuntu14.04+cuda7.5+anaconda2(即python2.7)+matlabR2014a 上述已经装好了,开始搭建caffe环境. 1. 装cudnn5.1.3,参照:2015.08.17 Ubuntu 14.04+cuda 7.5+caffe安装配置 详情:先下载好cudnn-7.5-linux-x64-v5.1-rc.tgz安装包(貌似需要官网申请) 解压: tar -zxvf cudnn-7.5-linux-x64-v5.1-rc.tgz cd cuda s