IntelLabs/SkimCaffe 深度学习框架安装指南

前言

IntelLabs/SkimCaffe 是基于经典深度学习框架 Caffe 的优化版本，特别针对模型剪枝和加速进行了增强。本文将详细介绍如何在不同平台上安装和配置 SkimCaffe，帮助开发者快速搭建深度学习开发环境。

系统要求

基础环境

SkimCaffe 支持以下操作系统：

• Ubuntu 16.04 至 12.04
• OS X 10.8 至 10.11
• 通过 Docker 容器
• AWS 云平台

硬件要求

• GPU 模式：需要 NVIDIA CUDA 兼容显卡
• CPU 模式：支持纯 CPU 运算，适合无 GPU 环境

安装前准备

必备依赖

1. CUDA（GPU 模式必需）：

   • 推荐版本 7.0+ 及最新驱动
   • 6.x 版本也可兼容
   • 5.5 和 5.0 被视为旧版

2. BLAS 库（三选一）：

   • ATLAS（默认，开源免费）
   • Intel MKL（商业版，Intel CPU 优化）
   • OpenBLAS（开源优化版）

3. 其他核心依赖：

   • Boost >= 1.55
   • protobuf
   • glog
   • gflags
   • hdf5

可选依赖

• OpenCV >= 2.4（包括 3.0）
• 数据库支持：lmdb, leveldb（需 snappy）
• cuDNN（GPU 加速，推荐 v5）

详细安装步骤

1. 获取源代码

首先需要获取 SkimCaffe 的源代码，可以通过代码仓库下载最新版本。

2. 配置编译环境

复制并修改配置文件模板：

cp Makefile.config.example Makefile.config

根据您的环境编辑 Makefile.config：

• GPU 支持：确保 CUDA 路径正确
• CPU 模式：取消注释 CPU_ONLY := 1
• cuDNN 加速：取消注释 USE_CUDNN := 1
• BLAS 选择：设置 BLAS := atlas/mkl/open

3. 编译安装

执行以下命令进行完整编译：

make all -j8  # 使用8线程并行编译加快速度
make test
make runtest

4. 可选组件安装

Python 接口

make pycaffe

安装 Python 依赖：

pip install -r requirements.txt

MATLAB 接口

make matcaffe

平台特定说明

Ubuntu 系统

推荐使用 apt 安装基础依赖：

sudo apt-get install libprotobuf-dev protobuf-compiler libgflags-dev libgoogle-glog-dev libhdf5-serial-dev

OS X 系统

建议使用 Homebrew 管理依赖：

brew install -vd protobuf glog gflags szip hdf5
brew install --fresh -vd boost boost-python

Docker 方式

对于希望快速体验的用户，可以使用预构建的 Docker 镜像，无需手动安装各种依赖。

性能优化建议

1. cuDNN 加速：安装 NVIDIA cuDNN 并启用配置可显著提升 GPU 性能
2. BLAS 选择：Intel CPU 用户建议使用 MKL 以获得最佳性能
3. 并行编译：使用 make -jN（N=CPU核心数）加快编译速度
4. 硬件匹配：确保 GPU 计算能力 >= 3.0 以获得完整支持

常见问题排查

1. CUDA 驱动问题：避免使用 331.* 系列驱动，存在已知性能问题
2. Python 导入错误：确保将 Caffe 的 python 目录添加到 PYTHONPATH
3. MATLAB 接口问题：检查 mex 编译器是否在 PATH 中
4. 版本兼容性：Python 2.7 和 3.3+ 支持良好，早期版本可能存在问题

验证安装

安装完成后，可以运行以下命令验证：

make runtest

也可以通过 MNIST 示例测试功能是否正常。

结语

本文详细介绍了 SkimCaffe 的安装过程，从基础依赖到可选组件，涵盖了主流操作系统平台。正确安装后，您将能够充分利用 SkimCaffe 提供的模型剪枝和加速功能，为深度学习研究和应用开发提供强大支持。如果在安装过程中遇到任何问题，建议查阅相关社区资源获取帮助。