ubuntu16 CUDA 编译opencl caffe版本并通过mnist训练测试

女爷i 2022-10-01 02:53 291阅读 0赞

一般来说，大家谈到[caffe][],都是基于CUDA在的NVIDIA显卡上运行的版本，其实有一个支持opencl的分支版本[OpenCL Caffe][]。理论上这个版本的caffe可以运行在支持OpenCL并行计算框架的任何设备上(不限于显卡)，因为这个分支版本目前还是试验性版本，所以之前一直没有尝试使用，今天想起来就试着在NVIDIA显卡编译OpenCL Caffe。  
这里记下编译过程：

# 硬件配置 #

神舟Z7M-SL7D2笔记本  
CPU Core i7-6700HQ(含集成显卡)  
芯片组 Intel Hm170  
独立显卡 NVIDIA GTX965M

# 软件环境 #

ubuntu 16.04  
NVIDIA driver 378  
CUDA8.0

# 安装OpenCL #

对于NVIDIA显卡，只要正常安装了CUDA，就自动包含了OpenCL的支持，所以不需要另外的安装。  
![这里写图片描述][SouthEast]  
如果是Intel,AMD或其他的GPU显卡，就要安装相应的OpenCL支持，可以去对应的官网下载。

# 编译环境准备 #

安装编译OpenCL Caffe所需的依赖库,大部分依赖库与CUDA下编译是一样的，参见我的另一篇博文[《Ubuntu16:cmake生成Makefile编译caffe过程(OpenBLAS/CPU+GPU)\#编译环境准备》][Ubuntu16_cmake_Makefile_caffe_OpenBLAS_CPU_GPU]

#!/bin/bash
    sudo apt-get install cmake cmake-gui #安装 cmake
    sudo apt-get install libprotobuf-dev protobuf-compiler libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev 
    sudo apt-get install libboost-all-dev   // 安装boost库
    #sudo apt-get install libatlas-base-dev  //BLAS如使用OpenBLAS，可不安装
    sudo apt-get install libopenblas-dev    //BLAS如使用atlas，可不安装
    sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
    sudo apt-get install python-numpy  // 安装numpy
    #sudo apt-get install doxygen // doxygen用于文档生成 可不安装

唯一不同的是需要安装[ViennaCL][],ubuntu下安装ViennaCL也很简单：

sudo apt-get install libviennacl-dev

> [ViennaCL][]是一个用于并行矩阵计算库，ViennaCL在后台支持OpenCL、OpenMP和CUDA。

# 下载并编译Caffe #

#!/bin/bash
    # 下载Caffe代码到本地
    git clone --recursive https://github.com/BVLC/caffe.git
    # 检出opencl分支版本
    git checkout opencl
    cd caffe && mkdir build && cd build
    # 在build下执行cmake生成Makefile 
    # 指定BLAS使用OpenBLAS
    cmake -DBLAS=Open .. 
    # 如果使用atlas 则更简单
    # cmake .. 
    # 编译caffe 并发8线程 提高编译速度
    make -j 8 
    # 编译并安装到build/install文件夹下 
    # make install -j 8
    # 编译成功后可以运行测试程序检查正确性
    # make runtest

经编译成功后运行ldd显示，caffe已经是基于cuda下的OpenCL动态库版本  
![这里写图片描述][SouthEast 1]

# MNIST训练测试 #

OpenCL Caffe编译成功后可以运行mnist手写体数字识别训练测试一下效果：

#!/bin/bash
    cd caffe
    # 下载MNIST训练数据
    ./data/mnist/get_mnist.sh
    # 创建imdb格式数据
    ./examples/mnist/create_mnist.sh
    # 开始训练
    ./build/tools/caffe  train --solver=examples/mnist/lenet_solver.prototxt
    训练过程中运行nvidia-smi，显示GPU已经在满速运行中

![这里写图片描述][SouthEast 2]

# 参考 #

[《Caffe-OpenCL在ubuntu16.04.2上的简要安装指南》][Caffe-OpenCL_ubuntu16.04.2]

[caffe]: https://github.com/BVLC/caffe
[OpenCL Caffe]: https://github.com/BVLC/caffe/tree/opencl
[SouthEast]: /images/20220705/b20272fbcc1248e588a4aeb6edfc8a78.png
[Ubuntu16_cmake_Makefile_caffe_OpenBLAS_CPU_GPU]: http://blog.csdn.net/10km/article/details/61619573#t2
[ViennaCL]: http://viennacl.sourceforge.net/
[SouthEast 1]: /images/20220705/1db1875173ce43229115fc8666801b6a.png
[SouthEast 2]: /images/20220705/9eae914d53a24c2b81e7400bbebd2517.png
[Caffe-OpenCL_ubuntu16.04.2]: http://www.linuxdiyf.com/linux/29298.html