Mac OS X10.10 下安装caffe
[email protected]
http://blog.csdn.net/surgewong
在Linux学习 Caffe【1】有一段时间了，也渐渐地对 Caffe 的框架有了一点认识。在 Linux 下学习 Caffe 的人很多，网上的参考资料也想对比较多。安装配置教程很多，出了问题都相对比较好解决。前两天老大弄了一台Mac 笔记本过来，叫我帮他在
Mac上安装 Caffe。穷屌丝以前没有玩过 Mac 笔记本，冲着对 Mac 的这份好奇，开始痛苦的安装之旅。
一、Mac下软件安装方式
习惯了Linux下的 sudo apt-get install XXXX 的软件安装方式，对 Mac下 brew install XXXX 很容易上手。不过之前对 Mac 几乎没有任何基础，要了解其中的一些特定术语，比如：formula，framework还是有些困难的。多用几次，就开始慢慢对其有些了解。brew 的方式安装是通过一个叫着 homebrew【2】
软件包管理工具来实现的。围绕 brew 的安装的常用命令有：
brew install XXXX --> 安装软件包或者相应的库
brew uninstall XXXX --> 卸载软件包或者相应的库
brew update --> 更新 Homebrew自己
brew upgrade --> 升级所有可以升级的软件（通过brew方式安装的）
brew list --> 列出所有通过 brew 安装的软件
brew doctor --> 诊断是否安装成功
brew edit XXXX --> 编辑 XXXX （Formula）相应的软件配安装置文件
brew help --> 列出常用命令
二、 安装 Caffe 必要的依赖
参考官方教程【3】，Caffe需要安装的内容有:
CUDA 最好是 6.5 版本
BLAS 可以通过ATLAS，MKL，OpenBLAS 提供
Opencv 版本大于或等于 2.4
Boost 版本大约或等于 1.5， 如有必要还需要提供 python 版本
glog, gflags, protobuf, leveldb, snappy, hdf5, lmdb
下面是非必需的：
Python Python 2.7 numpy 版本大于或等于1.7
Matlab 提供 mex 编译器
三、CUDA 及 BLAS 的安装
1.
CUDA 的安装： Mac 下面 CUDA 的安装相比 Linux 要简单很多，直接下载【4】，然后直接双击，按照提示直接安装就可以，其他的相关设置可以参考文档【5】。
主要是需要设置 cuda 相关的路径，可以在 /etc/profile 中设置下面环境变量：
export PATH=/Developer/NVIDIA/CUDA-6.5/bin:$PATH
export DYLD_LIBRARY_PATH=/Developer/NVIDIA/CUDA-6.5/lib:$DYLD_LIBRARY_PATH
2.
Atlas 的安装： Mac 系统下面的 vecLib 框架（Accelerate Frame）本身就集成了 Atlas的实现，在编译Caffe的时候只需要指定相应头文件所在的目录就可以。
3.
OpenBlas 的安装： 使用 brew 安装 就可以。（直接使用brew安装可能有些问题，后面会介绍）
brew install homebrew/science/openblas ---> 直接安装
brew install --build-from-source homebrew/science/openblas --> 通过编译源码安装
4.
MKL 的安装： Intel MKL 是一个商业化针对CPU优化的一个库，可以使用学生免费版，可以到intel官网【6】注册一个帐号，下载相应的mac版本的 MKL。
四、 OpenCV, glog, gflags, protobuf, leveldb, snappy, hdf5, lmdb 的安装
从Mac 10.9 开始 系统默认的C/C++ 编译器是 clang/clang++ 而不是 gcc/g++，相应使用的C++ 标准库是 libc++ （主要是针对 C++ X11）。在Caffe中很多依赖库主要是基于libstdc++ 库，所以使用默认编译选项时，很容易出现：undefined
symbols for architecture x86_64 的错误。要解决这个问题，就不必须，保证其相应的依赖本身就是基于 libstdc++ 来编译安装的。
首先可以通过 brew 的方式来安装上述依赖，不过需要选择通过源码安装，并且在编译时选择使用 libstdc++库进行编译。使用这种方式可以通过编辑 相应的 homebrew formula。前面提到的 openblas 最好也通过该方式进行编译安装。对于每个需要安装的Homebrew formula：
boost snappy leveldb protobuf gflags glog szip lmdb homebrew/science/opencv
使用 brew edit FORMULA(例如 brew edit boost) 加入相应的环境 ENV定义：
def install
# ADD THE FOLLOWING:
ENV.append "CXXFLAGS", "-stdlib=libstdc++"
ENV.append "CFLAGS", "-stdlib=libstdc++"
ENV.append "LDFLAGS", "-stdlib=libstdc++ -lstdc++"
# The following is necessary because libtool likes to strip LDFLAGS:
ENV["CXX"] = "/usr/bin/clang++ -stdlib=libstdc++"对于每个 formula 按顺序 先卸载然后重新通过源码编译安装：
for x in snappy leveldb gflags glog szip lmdb homebrew/science/opencv; do brew uninstall $x; brew install --build-from-source --fresh -vd $x; done
brew uninstall protobuf; brew install --build-from-source --with-python --fresh -vd protobuf
brew install --build-from-source --fresh -vd boost boost-python注： 即便是上面编译安装成功，在编译caffe过程中，可能会提示缺失 tr1/truple 头文件，这还需要安装hdf5 依赖，通过上述类似方式安装即可。
五、OpenCV 本地源码编译，以及 gflags ，glog 本地源码编译
1.
OpenCV的安装：上面提到的 brew 的安装方式可能会安装失败。笔者在安装 opencv 的遇到了不少麻烦。
a. 直接使用 brew install homebrew/science/opencv 能够成功安装 opencv，但是该 opencv 没有编译 有关 cuda 库，其本身是通过默认的 libc++ 库编译的，因此在使用编译 Caffe 的时候就会出现上述讲的 undefined symbols
for architecture x86_64 错误。这种方式是不可取的。
b. 笔者在使用 brew install --build-from-source --fresh -vd homebrew/science/opencv 的方式安装，系统安装的是2.4.10.1 版本，该版本，有个与cuda兼容性问题的 bug，无法正常编译。（注：对Mac不是很熟悉，没有尝试方法修复
该问题）笔者在Linux下使用的版本是 2.4.9，遇到过类似的 bug【7】。因此放弃使用该方法，转而使用 2.4.9 源码直接编译。
c. 在使用源码编译的时候，最大的就是如何在 opencv 编译的时候 让其选择 libstdc++ 而不是 libc++。OpenCV 是通过 cmake 来生成 makefile的，要添加 相应的设置就需要修改相应的 cmake 配置。由于对 cmake 的语法不是很熟悉，只能大概猜测。笔者对文件cmake/OpenCVDetectCUDA.cmake
的第 151行处 添加了
set(CUDA_NVCC_FLAGS ${CUDA_NVCC_FLAGS} "-Xcompiler -stdlib=libstdc++;
-Xlinker -stdlib=libstdc++")
然后直接按照正常的编译步骤即可，不过编译时间比较长。
2. gflags的安装：笔者使用 第四步的 brew 的方式 安装并没有使得 gflags 成功使用 libstdc++库进行编译（编译caffe报错）。同样的对 gflags的 cmake 相关文件 添加 相应的配置。笔者在 cmake/CMakeCXXInformation.cmake
中 第 209 行出添加
set(CMAKE_CXX_FLAGS "-stdlib=libstdc++" ${CMAKE_CXX_FLAGS})
然后直接按照正常的编译步骤编译安装。
3. glog的安装：glog对 gflags 有依赖，所以安装 glog之前 必须安装 gflags，在编译 glog 时，部分文件（*unittest.cc）编译错误，其主要问题是名字空间的问题（没有深究其原因，这里只给出解决方案）。只需要在相应的文件中加入
using namespace gflags；
六、编译 Caffe
在编译 Caffe 时，需要设置好相关依赖的路径以及库依赖，然后等待 make 成功。至此好好享受在 Mac 下使用 Caffe 编程吧！
参考资料：
【1】 Caffe主页
【2】 Homebrew 主页
【3】 Caffe 安装官网
【4】 CUDA 官网
【5】 CUDA 在线文档
【6】 Intel 官网 MKL
【7】 一个OpenCV 2.4.9 与 CUDA 兼容性的 Bug