Caffe 环境配置指南

Caffe 环境配置指南#

警告

Caffe 环境配置有许多坑，请自行抉择，其实，若仅仅使用 caffe 做推理，完全不需要完整的 caffe 环境，详情见 caffeproto

安装最小依赖库#

本指南介绍在 Linux（Ubuntu/Debian 系统）上安装最小依赖库来运行 CPU 模式的 Caffe。

备注

conda 与系统依赖包对应关系

依赖库

对应系统包

protobuf

libprotobuf-dev + protobuf-compiler

leveldb

libleveldb-dev

snappy

libsnappy-dev

opencv

libopencv-dev

hdf5

libhdf5-serial-dev

boost

libboost-all-dev

openblas

atlas（BLAS）替代

gflags

libgflags-dev

glog

libgoogle-glog-dev

lmdb

liblmdb-dev

这些依赖库是 Caffe 运行的基础组件：

依赖库

功能

Protocol Buffers

序列化数据结构

LevelDB/LMDB

数据存储后端

Snappy

数据压缩

OpenCV

图像处理

HDF5

数据存储格式

Boost

C++ 工具库

BLAS（OpenBLAS）

基础线性代数运算

GFlags

命令行参数解析

GLog

日志记录

  1. 获取源码

git clone git@github.com:xinetzone/caffe.git
cd caffe

  1. 配置 Makefile.config

cp Makefile.config.example Makefile.config

# 开启 CPU_ONLY，关闭所有 GPU/CUDA 相关：
sed -i 's/# CPU_ONLY := 1/CPU_ONLY := 1/' Makefile.config

关闭 MLSL 支持

MLSL (Machine Learning Scaling Library) 是 Intel 提供的分布式训练加速库。对于单机训练场景，可以安全关闭此功能：

# 禁用 MLSL 支持
sed -i 's/USE_MLSL := 1/USE_MLSL := 0/' Makefile.config

关闭 MLSL 的优势：

优势

说明

依赖简化

移除对 MLSL 库的依赖

编译加速

减少编译时间和复杂度

资源节省

降低运行时内存占用

单机优化

专为单机训练场景优化，无需分布式计算支持

  1. 编译和测试

mkdir build && cd build
cmake .. \
  -DCMAKE_BUILD_TYPE=Release \
  -DCMAKE_INSTALL_PREFIX=$CONDA_PREFIX \
  -DCPU_ONLY=ON \
  -DUSE_MLSL=OFF \
  -DBUILD_SHARED_LIBS=ON \
  -DCMAKE_POLICY_VERSION_MINIMUM=3.5 \
  -DBUILD_python=OFF \
  -DUSE_OPENCV=OFF \
  -DUSE_LEVELDB=OFF \
  -DUSE_LMDB=OFF \
  -DUSE_MKLDNN_AS_DEFAULT_ENGINE=OFF \
  -DUSE_OPENMP=OFF \
  -DDISABLE_ABSL=OFF \
  -DBUILD_python_layer=OFF \
  -DBUILD_docs=OFF \
  -DCMAKE_CXX_STANDARD=14 \
  -DCMAKE_CXX_STANDARD_REQUIRED=ON \
  -DMKL2017_SUPPORTED=OFF \
  -DMKLDNN_SUPPORTED=OFF \
  -DBUILD_TESTING=OFF \
  -DBLAS=open
make all -j$(nproc)
# 测试
make test -j$(nproc)
make runtest -j$(nproc)

  1. 安装到系统或自定义路径（可选）

# 安装到系统目录
sudo make install
# 或安装到自定义目录（如 $HOME/caffe_install）
make install PREFIX=$HOME/caffe_install
目录