引言
一、安裝python和pip
二、安裝pyhon接口依賴庫
三、利用anaconda來配置python環境
四、編譯python接口
五、安裝jupyter
引言caffe程序是由c++語言寫的，本身是不帶數據可視化功能的。只能借助其它的庫或接口，如opencv, python或matlab。大部分人使用python接口來進行可視化，因為python出了個比較強大的東西：ipython notebook, 現在的最新版本改名叫jupyter notebook，它能將python代碼搬到浏覽器上去執行，以富文本方式顯示，使得整個工作可以以筆記的形式展現、存儲，對於交互編程、學習非常方便。
python環境不能單獨配置，必須要先編譯好caffe，才能編譯python環境。
python環境的配置說起來簡單，做起來非常復雜。在安裝的過程中，可能總是出現這樣那樣的問題。因此強烈建議大家用anaconda來進行安裝，anaconda把很多與python有關的庫都收集在一起了，包括numpy,scipy等等，因此，我們只需要下載對應系統，對應版本的anaconda來安裝就可以了。
如果你想通過anaconda來安裝，請跳過第一、二步，直接進入第三步開始：
一、安裝python和pip一般linux系統都自帶python，所以不需要安裝。如果沒有的，安裝起來也非常方便。安裝完成後，可用version查看版本
# python --versionpip是專門用於安裝python各種依賴庫的，所以我們這裡安裝一下pip1.5.6
先點擊下載安裝包，然後解壓，裡面有一個setup.py的文件，執行這個文件就可以安裝pip了
# sudo python setup.py install有些電腦可能會提示 no moudle name setuptools 的錯誤，這是沒有安裝setuptools的原因。那就需要先安裝一下setuptools, 然後解壓執行
# sudo python setup.py install就要以安裝setuptools了，然後再回頭去重新安裝pip。執行的代碼都是一樣的，只是在不同的目錄下執行。
二、安裝pyhon接口依賴庫在caffe根目錄的python文件夾下，有一個requirements.txt的清單文件，上面列出了需要的依賴庫，按照這個清單安裝就可以了。
在安裝scipy庫的時候，需要fortran編譯器（gfortran)，如果沒有這個編譯器就會報錯，因此，我們可以先安裝一下。
首先回到caffe的根目錄，然後執行安裝代碼：
# cd ~/caffe# sudo apt-get install gfortran# for req in $(cat requirements.txt); do sudo pip install $req; done安裝完成以後，我們可以執行：
# sudo pip install -r python/requirements.txt就會看到，安裝成功的，都會顯示Requirement already satisfied, 沒有安裝成功的，會繼續安裝。
在安裝的時候，也許問題會有一大堆。這時候你就知道anaconda的好處了。
三、利用anaconda來配置python環境如果你上面兩步已經沒有問題了，那麼這一步可以省略。
如果你想簡單一些，利用anaconda來配置python環境，那麼直接從這一步開始，可以省略上面兩步。
先到https://www.anaconda.com/products/distribution 下載anaconda, 現在的版本有python2.7版本和python3.5版本，下載好對應版本、對應系統的anaconda，它實際上是一個sh腳本文件，大約280M左右。我下載的是linux版的python 2.7版本。
下載成功後，在終端執行（2.7版本）：
# bash Anaconda2-2.4.1-Linux-x86_64.sh或者3.5 版本：
# bash Anaconda3-2.4.1-Linux-x86_64.sh在安裝的過程中，會問你安裝路徑，直接回車默認就可以了。有個地方問你是否將anaconda安裝路徑加入到環境變量（.bashrc)中，這個一定要輸入yes
安裝成功後，會有當前用戶根目錄下生成一個anaconda2的文件夾，裡面就是安裝好的內容。
輸入conda list 就可以查詢，你現在安裝了哪些庫，常用的numpy, scipy名列其中。如果你還有什麼包沒有安裝上，可以運行
conda install *** 來進行安裝，
如果某個包版本不是最新的，運行 conda update *** 就可以了。
四、編譯python接口首先，將caffe根目錄下的python文件夾加入到環境變量
打開配置文件bashrc
# sudo vi ~/.bashrc在最後面加入
export PYTHONPATH=/home/xxx/caffe/python:$PYTHONPATH注意 /home/xxx/caffe/python 是我的路徑，這個地方每個人都不同，需要修改
保存退出，更新配置文件
# sudo ldconfig然後修改編譯配置文件Makefile.config. 我的配置是：
## Refer to http://caffe.berkeleyvision.org/installation.html# Contributions simplifying and improving our build system are welcome!# cuDNN acceleration switch (uncomment to build with cuDNN).USE_CUDNN := 1# CPU-only switch (uncomment to build without GPU support).# CPU_ONLY := 1# uncomment to disable IO dependencies and corresponding data layers# USE_OPENCV := 0# USE_LEVELDB := 0# USE_LMDB := 0# uncomment to allow MDB_NOLOCK when reading LMDB files (only if necessary)# You should not set this flag if you will be reading LMDBs with any# possibility of simultaneous read and write# ALLOW_LMDB_NOLOCK := 1# Uncomment if you're using OpenCV 3# OPENCV_VERSION := 3# To customize your choice of compiler, uncomment and set the following.# N.B. the default for Linux is g++ and the default for OSX is clang++# CUSTOM_CXX := g++# CUDA directory contains bin/ and lib/ directories that we need.CUDA_DIR := /usr/local/cuda# On Ubuntu 14.04, if cuda tools are installed via# "sudo apt-get install nvidia-cuda-toolkit" then use this instead:# CUDA_DIR := /usr# CUDA architecture setting: going with all of them.# For CUDA < 6.0, comment the *_50 lines for compatibility.CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \ -gencode arch=compute_20,code=sm_21 \ -gencode arch=compute_30,code=sm_30 \ -gencode arch=compute_35,code=sm_35 \ -gencode arch=compute_50,code=sm_50 \ -gencode arch=compute_50,code=compute_50# BLAS choice:# atlas for ATLAS (default)# mkl for MKL# open for OpenBlasBLAS := atlas# Custom (MKL/ATLAS/OpenBLAS) include and lib directories.# Leave commented to accept the defaults for your choice of BLAS# (which should work)!# BLAS_INCLUDE := /path/to/your/blas# BLAS_LIB := /path/to/your/blas# Homebrew puts openblas in a directory that is not on the standard search path# BLAS_INCLUDE := $(shell brew --prefix openblas)/include# BLAS_LIB := $(shell brew --prefix openblas)/lib# This is required only if you will compile the matlab interface.# MATLAB directory should contain the mex binary in /bin.# MATLAB_DIR := /usr/local# MATLAB_DIR := /Applications/MATLAB_R2012b.app# NOTE: this is required only if you will compile the python interface.# We need to be able to find Python.h and numpy/arrayobject.h.# PYTHON_INCLUDE := /usr/include/python2.7 \ /usr/lib/python2.7/dist-packages/numpy/core/include# Anaconda Python distribution is quite popular. Include path:# Verify anaconda location, sometimes it's in root.ANACONDA_HOME := $(HOME)/anaconda2PYTHON_INCLUDE := $(ANACONDA_HOME)/include \ $(ANACONDA_HOME)/include/python2.7 \ $(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include \# We need to be able to find libpythonX.X.so or .dylib.# PYTHON_LIB := /usr/libPYTHON_LIB := $(ANACONDA_HOME)/lib# Homebrew installs numpy in a non standard path (keg only)# PYTHON_INCLUDE += $(dir $(shell python -c 'import numpy.core; print(numpy.core.__file__)'))/include# PYTHON_LIB += $(shell brew --prefix numpy)/lib# Uncomment to support layers written in Python (will link against Python libs)WITH_PYTHON_LAYER := 1# Whatever else you find you need goes here.INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/includeLIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib# If Homebrew is installed at a non standard location (for example your home directory) and you use it for general dependencies# INCLUDE_DIRS += $(shell brew --prefix)/include# LIBRARY_DIRS += $(shell brew --prefix)/lib# Uncomment to use `pkg-config` to specify OpenCV library paths.# (Usually not necessary -- OpenCV libraries are normally installed in one of the above $LIBRARY_DIRS.)# USE_PKG_CONFIG := 1BUILD_DIR := buildDISTRIBUTE_DIR := distribute# Uncomment for debugging. Does not work on OSX due to https://github.com/BVLC/caffe/issues/171# DEBUG := 1# The ID of the GPU that 'make runtest' will use to run unit tests.TEST_GPUID := 0# enable pretty build (comment to see full commands)Q ?= @修改完編譯配置文件後，最後進行編譯：
# sudo make pycaffe編譯成功後，不能重復編譯，否則會提示 Nothing to be done for "pycaffe"的錯誤。
防止其它意外的錯誤，最好還編譯一下：
# sudo make test -j8# sudo make runtest -j8也許你在編譯runtest的時候，會報這樣的錯誤：
.build_release/test/test_all.testbin: error while loading shared libraries: libhdf5.so.10: cannot open shared object file: No such file or directory
這是因為 libhdf5.so的版本問題，你可以進入/usr/lib/x86_64-linux-gnu看一下，你的libhdf5.so.x中的那個x是多少，比如我的是libhdf5.so.7
因此可以執行下面幾行代碼解決:
# cd /usr/lib/x86_64-linux-gnu# sudo ln -s libhdf5.so.7 libhdf5.so.10# sudo ln -s libhdf5_hl.so.7 libhdf5_hl.so.10# sudo ldconfig最終查看python接口是否編譯成功：
進入python環境，進行import操作
# python>>> import caffe如果沒有提示錯誤，則編譯成功。
五、安裝jupyter安裝了python還不行，還得安裝一下ipython，後者更加方便快捷，更有自動補全功能。而ipython notebook是ipython的最好展現方式。最新的版本改名為jupyter notebook,我們先來安裝一下。（如果安裝了anaconda, jupyter notebook就已經自動裝好，不需要再安裝）
# sudo pip install jupyter安裝成功後，運行notebook
# jupyter notebook就會在浏覽器中打開notebook, 點擊右上角的New-python2, 就可以新建一個網頁一樣的文件，擴展名為ipynb。在這個網頁上，我們就可以像在命令行下面一樣運行python代碼了。輸入代碼後，按shift+enter運行，更多的快捷鍵，可點擊上方的help-Keyboard shortcuts查看，或者先按esc退出編輯狀態，再按h鍵查看。
以上就是Caffe數據可視化環境python接口配置教程示例的詳細內容，更多關於Caffe環境python接口配置的資料請關注軟件開發網其它相關文章！
