如何在Jetson TK1上安装Caffe深度学习库

        Caffe的创造者 Yangqing Jia,最近花了些时间在NVIDIA Jetson 开发板上运行caffe框架。Jetson TK1 有192个CUDA核，是非常适用于深度学习这种计算任务的。未来，如果我们想在移动设备上做一些事情的话，Jetson是一个不错的选择，而且它预装Ubuntu操作系统，因此也是非常易于开发的。 

       Caffe内置了Alexnet模式，这是Imagenet-winning 架构的一个版本，可以识别1000个不同种类的物体。用这个作为一种benchmark，Jetson可以在34ms里分析一个图像。

      接下来，介绍如何在Jetson 上安装并运行Caffe.   

安装

       你从盒子里拿到Jetson的第一步是登录。你可以接一个显示器和键盘，但我倾向于你将它跟一个本地路由连接，然后ssh访问。  elinux.org/Jetson/Remote_Access 上有具体的步骤（不明白的地方可以在我们的QQ技术群里询问） ，这时候在你的本地网络上会出现 tegra-ubuntu.local ， username 是ubuntu: ssh ubuntu@tegra-ubuntu.local

       默认密码是 ubuntu，接下来我们需要安装NVIDIA的驱动，然后重启：  sudo NVIDIA-INSTALLER/installer.sh sudo shutdown -r now        一旦开发板重启后，你可以登录进去，然后继续安装Caffe所需的环境：  ssh ubuntu@tegra-ubuntu.local sudo add-apt-repository universe sudo apt-get update sudo apt-get install libprotobuf-dev protobuf-compiler gfortran \ libboost-dev cmake libleveldb-dev libsnappy-dev \ libboost-thread-dev libboost-system-dev \ libatlas-base-dev libhdf5-serial-dev libgflags-dev \ libgoogle-glog-dev liblmdb-dev gcc-4.7 g++-4.7

       你需要安装 Cuda SDK 以建立和运行GPU程序（CUDA环境安装步骤都已经放在QQ技术群里，安装过程有任何问题，请随时在群里提出）。

        如果一切顺利，你运行‘nvcc -V可以看到一个完整的编译器版本信息。这个时候你需要安装Tegra版本的OpenCV.  (安装步骤同样在QQ群里找）

       我们需要下载并安装Caffe

sudo apt-get install -y git git clone https://github.com/BVLC/caffe.git cd caffe && git checkout dev cp Makefile.config.example Makefile.config sed -i "s/# CUSTOM_CXX := g++/CUSTOM_CXX := g++-4.7/" Makefile.config

我们必须使用gcc 4.7版本，因为默认4.8会有一些问题。你应该可以完成整个安装。

make -j 8 all

        一旦完成这可，你可以运行一下Caffe的测试包来检查是否安装成功。这个可能需要花费一些时间，但希望一切顺利。 

make -j 8 runtest

       最后，你可以运行一下Caffe的基准代码来检测一下性能。 

build/tools/caffe time --model=models/bvlc_alexnet/deploy.prototxt --gpu=0

       这个可能需要花费30秒，输出一组统计数字。它运行50迭代的识别pipleline。每个分析10个不同的输入图像。因此看一下“‘Average Forward pass”时间，然后除以10就可以得到每个识别时间。我的结果是337.86ms，所以每个图像大概是34ms。你也可以把-gpu=0的标志去掉，看一下CPU的结果。在我这里看是大概585ms，所以你看CUDA还是起到作用了。