你(们)好
据此： caffe.berkeleyvision.org/install_apt.html
只有 CPU Anaconda。
那么、我们能否仅在 CPU 上运行 Caffe-Jacindo？
如果是、如何做到这一点？

是否有要遵循的详细说明？

BR RIO

您好、Rio、

本页中提供了所有说明。 如页面中所述、仅支持 CPU 版本。  请尝试一下。  

如果您遇到特定问题、请在这些问题上进行 google 搜索。 有人很可能已经解决了这个问题。  

此致、

Manisha

您好，Manisha：

请评论我们如何解决以下错误？

BR RIO

CXX src/caffe/tensor.cpp
CXX src/caffe/quantized_layer.cpp
CXX src/caffe/common.cpp
在./include/caffe/common.hpp：48：0中包含的文件中、
来自 src/caffe/common.cpp：7：
/include/caffe/util/device_alternate.hpp：4：10：致命错误：cublas _v2.h：无此类文件或目录
#include
^~~~~~~~~~~~~μ A
编译已终止。
Makefile：610：目标'.build_release/src/Caffe/common.o'的配方失败
make：***[.build_release/src/Caffe/common.o]错误1
制作：***等待未完成的作业...
在./include/caffe/common.hpp：48：0中包含的文件中、
来自./include/caffe/blob.hpp：11、
来自/include/caffe/quantized_layer.hpp：13、
来自 src/caffe/quized_laye.cpp：8：
/include/caffe/util/device_alternate.hpp：4：10：致命错误：cublas _v2.h：无此类文件或目录
#include
^~~~~~~~~~~~~μ A
编译已终止。
Makefile：610：目标'.build_release/src/Caffe/quized_laye.o'的配方失败
make：***[.build_release/src/Caffe/quized_lay.o]错误1
在./include/caffe/common.hpp：48：0中包含的文件中、
来自./include/caffe/tensor.hpp：10、
来自 src/caffe/tensor。cpp：4：
/include/caffe/util/device_alternate.hpp：4：10：致命错误：cublas _v2.h：无此类文件或目录
#include
^~~~~~~~~~~~~μ A
编译已终止。
Makefile：610：目标'.build_release/src/Caffe/tensor .o'的配方失败
make：***[.build_release/src/saffe/tensor。o]错误1
^CMakefile：617：目标'.build_release/src/Caffe/proo/caffe.pb.o'的配方失败
制作：***[.build_release/src/Caffe/proo/caffe.pb.o]中断

您好，Manisha：

现在、我有这个库错误：

build_release/tools/caffe：加载共享库时出错：libopencv_highgui.so.3.4：无法打开共享目标文件：无此类文件或目录
Makefile：560：目标'RunTest'的配方失败
制造：***[RunTest]错误127


我已经查看了这个 SO 文件、

root@Ubuntu：/opt/Caffe-Jacindo 查找。 -name "libopencv_highgui*"
/anaconda3/pkgs/libopencv-3.4.2-h765d7f9_1/lib/libopencv_highgui.so
/anaconda3/pkgs/libopencv-3.4.2-h765d7f9_1/lib/libopencv_highgui.so.3.4.2
/anaconda3/pkgs/libopencv-3.4.2-h765d7f9_1/lib/libopencv_highgui.so3.4.
/anaconda3/libopencv_highgui.so
/anaconda3/libopencv_highgui.so.3.4.2
/anaconda3/libopencv_highgui.so3.4.

能否按以下方式查看我的 Makefile.config？


##请参阅 caffe.berkeleyvision.org/installation.html
#欢迎您为简化和改进我们的构建系统所做的贡献！

#Rio：我们只使用 CPU
CPU_ONLY：= 1.

# cuDNN 加速开关(取消注释以使用 cuDNN 构建)。
需要# cuDNN 版本6或更高版本。
# USE_CUDNN：= 1.

# NCCL 加速开关(取消注释以使用 NCCL 构建)
#见 https://github.com/NVIDIA/nccl
# USE_NCCL：= 1.

#构建测试、除了32和64位之外、还支持16位浮点。
# TEST_FP16：= 1.

#取消注释以禁用 IO 依赖项和相应的数据层
# USE_OpenCV：= 0
# USE_LEVELDB：= 0
# USE_LMDB：= 0

#如果您使用 OpenCV 3、请取消注释
# OpenCV_version：= 3.

#要自定义您选择的编译器、请取消注释并设置以下内容。
# N.B. Linux 的默认值为 g++，OSX 的默认值为 clang++
# custom_CXX：= g++

# CUDA 目录包含我们需要的 bin/和 lib/目录。
CUDA_DIR：=/usr/local/cuda
#在 Ubuntu 14.04上、如果通过安装 CUDA 工具
#"sudo apt-get install NVIDIA-CUDA-toolkit"、然后使用此选项：
# CUDA_DIR：=/usr

# CUDA 体系结构设置：与所有这些体系结构一起进行。
CUDA_ARCH：=-gencode arch=compute_50、code=sm_50 \
-gencode arch=compute_52、code=sm_52 \
-gencode arch=compute_60、code=sm_60 \
-gencode arch=compute_61、code=sm_61 \
-gencode arch=compute_61、code=compute_61

# BLAS 选项：
# Atlas for Atlas
用于 MKL 的# mkl
# open for OpenBlas - default、请参阅 github.com/.../OpenBLAS
BLAS：=打开

#自定义(MKL/ATLAS /OpenBLAS)包含和库目录。
BLAS_INCLUDE：=/opt/OpenBLAS/include
BLAS_LIB：=/opt/OpenBLAS/lib

# Homebrew 将 openblas 放在不在标准搜索路径上的目录中
# BLAS_INCLUDE：=$(shell BREW --prefix openblas)/include
# blas lib：=$(shell brew --prefix openblas)/lib

#只有在编译 MATLAB 接口时才需要此选项。
# MATLAB 目录应包含/bin 中的 mex 二进制文件。
# MATLAB DIR：=/usr/local
# MATLAB DIR：=/Applications/MATLAB_R2012b.app

#注：只有在编译 python 接口时才需要此选项。
#我们需要能够找到 Python.h 和 NumPy/arrayobject.h

# RIO：命令输出以下内容
# PYTHON_INCLUDE：=/usr/include/python2.7 \
/usr/lib/python2.7/dist-packages/numpy/core/include

# Anaconda Python 分发非常流行。 包含路径：
#验证 anaconda 位置、有时是在 root 中。
# Rio：打开此项
# Anaconda_home：=$(home)/anaconda
Anaconda_home：=/opt/Caffe-Jacindo/anaconda3

# Rio：打开此项
PYTHON_INCLUDE：=$(Anaconda_home)/INCLUDE \
#$(Anaconda_home)/include/python2.7 \
#$(Anaconda_home)/lib/python2.7/site-packages/numpy/core/include \

#取消注释以使用 Python 3 (默认为 Python 2)
# python_libraries：= BOOST_python3 python3.5m
# PYTHON_INCLUDE：=/usr/include/python3.5m \
编号 /usr/lib/python3.5/dist-packages/numpy/core/include

#我们需要能够找到 libpythonX.X.so 或.dylib。
# Rio：关闭此项
# PYTHON_LIB：=/usr/lib
# Rio：打开此项
PYTHON_LIB：=$(Anaconda_home)/lib

# HomeBREW 将 NumPy 安装在非标准路径中(仅限 keg)
# python_include +=$(dir $(shell python -c 'import NumPy.core；print (NumPy.core.__file__)'))/include
# PYTHON_LIB +=$(shell brew --prefix NumPy)/lib

#取消注释以支持 Python 中编写的层(将链接到 Python 库)
# with _python_layer：= 1.

#您需要的其他任何内容都可以在此处找到。

# RIO：标记出来
# include_DIRS：=$(PYTHON_INCLUDE)/usr/local/include /usr/include/hdf5/serial
# library_DIRS：=$(PYTHY_LIB)/usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial

include_DIRS：=$(PYTHON_INCLUDE)/usr/local/include
library_DIRS：=$(PYTHY_LIB)/usr/local/lib /usr/lib

#如果 Homebrew 安装在非标准位置(例如您的主目录)，并且您将其用于一般依赖项
# include_DIRS +=$(shell brew --prefix)/include
# library_DIRS +=$(shell brew --prefix)/lib

#取消注释以使用`pkg-config`指定 OpenCV 库路径。
#(通常不需要-- OpenCV 库通常安装在上述$library_DIRS 中的一个中。)
# Rio：打开此项
USE_PKG_CONFIG：= 1.

Build_DIR：=构建
distributing_DIR：=分发

#取消注释以进行调试。 由于 github.com/.../171、无法在 OSX 上工作
#调试:= 1.

#"make RunTest"将用于运行单元测试的 GPU 的 ID。
TEST_GPUID：= 0

#启用 Pretty Build (查看完整命令的注释)
q ?=@

#用于区分分支的共享对象后缀名称
library_name_suffix：=-nv


BR RIO

您好、Rio、

我建议通过谷歌搜索来解决该问题。 遗憾的是、我很难在查看 makefile 文件时找到有意义的见解。

此致、
Manisha

您好，Manisha：

这是 TI-Jacindo-Caffe、您能帮我找到另一个能帮我找出原因吗？

我已经将解决方案谷歌搜索了2~3周。

仍然找不到合适的解决方案。

请帮助。

谢谢。

BR RIO

你(们)好
我已经解决了上一个问题。

现在、我有另一个、如下所示、请注意：我正在使用 CPU_ONLY。


root@Ubuntu：/opt/Caffe-Jacindo/caffe-jacinto-caffe-0.17 # make RunTest
.build_release/tools/caffe
F0306 01：15：57.246749 34795 common.cpp：255]检查失败：错误= cudaSuccessess (38与0)未检测到可 CUDA 设备
***检查故障堆栈跟踪：***
@μ A 0x7fada970b0cd google：：：LogMessage：：FAIL()
@μ A 0x7fada970cf33 google：：LogMessage：：SendToLog()
@μ A 0x7fada970ac28 google：：LogMessage：：Flush()
@μ A 0x7fada970d999 google：：：LogMessageFatal：：：~LogMessageFatal ()
@μ A 0x7fadaa23d872咖啡因：：Caffe：：：SetDevice()
@μ A 0x564d82ab8523 (未知)
@μ A 0x7fada8a97b97 __libc_start_main
@μ A 0x564d82ab96aa (未知)
Makefile：560：目标'RunTest'的配方失败
make：***[RunTest] Aborted (转储内核)

您好！

Caffe-Jacinto 源自 github.com/.../caffe

我怀疑 NVIDIA/Caffe 没有真正针对 CPU_ONLY 情况进行测试。

你可以尝试一下吗？ 克隆 github.com/.../caffe
然后尝试执行相同的操作。 让我们知道结果是什么。

顺便说一下、CPU_ONLY 模式对于培训来说会非常慢、我们不会尝试。 因此、不建议在该模式下使用。

https://github.com/NVIDIA/caffe

你(们)好

第一。 NVIDIA Caffe 由 BVLC Caffe 标记。 因此、我假设它们是99%的相同值。

2。 请理解：

     如果客户想要了解 TI Caffe-Jacindo、我们不能假设每位客户都有 Nvidia 图形卡需要培训。

     此外、大多数客户都是深度学习的新用户、更不用说 Caffe CPU 与 GPU。

     我想我们可以在一开始就在 AM5 EVA HW 上对模型进行培训、现在、我意识到我们需要在 PC 上对模型进行培训。

     您是否意味着每个 TI FAE 都需要 NVIDIA 卡来学习 AM5 Caffe 培训？

     

BR RIO

1.您可以使用 cpu_only 模式进行训练，尽管它可能很慢。 Caffe-Jacinto 在 CPU_ONLY 模式下工作、我今天就确认了。 不要担心您从 RunTest 获得的错误-这可能是不相关的。

2.要在 CPU_ONLY 模式下运行、您需要在 CPU_ONLY 模式下构建 Caffe-Jacinto：

mkdir build && CD build
cmake -dcpu_only=1。
使-J16成为标准

3.如果您已经有要训练的 solver.prototxt、请将模式从 GPU 更改为 CPU。 如果您尝试使用 Caffe-Jacinto-models 中的脚本进行培训、请执行以下操作：

我们以 scripts/train_cifar10_classification.sh 为例、但这也适用于其他脚本。 假设您位于命令提示符中的 Caffe-Jacinto-models/scripts 文件夹中。   

将显示 GPU 的行更改为空字符串。

https://github.com/tidsp/caffe-jacinto-models/blob/caffe-0.17/scripts/train_cifar10_classification.sh#L8 

GPU =""#"0、1、2"#Important：如果只有一个 GPU、请将其更改为"0"

然后通过运行该脚本进行培训。

train_cifar10_classification.sh

由于您正在使用 CPU 模式培训、此玩具示例本身可能需要一些时间。 培训更大的数据集可能几乎是不可能的。  

顺便说一下、我忘记编写、从 caffe-Jacinto-models 中提取最新的、以获得此 CPU_only 模式的小修复(如果 GPU 字符串为空、则将解算器模式设置为 CPU)。 转到您的 Caffe-Jacinto-models 文件夹并执行以下操作：

Git 拉-重新基座

您好、Rio、

训练深度神经网络模型计算 量很大(运行推理不同)。 如果您希望在一周内训练网络模型、则需要 GPU。 在仅 CPU 模式下、可能需要很长时间。 如果目的只是为了挂起 Caffe-Jacinto 框架、它可能不处于仅 CPU 模式、但出于实际目的、将需要 GPU。

Sitara 处理器目前仅支持运行推理、不支持对模型进行训练。 我强烈建议您和您的客户观看以下两个培训视频、以熟悉 Sitara 器件上提供的技术和功能。  

尊敬的 Mathew：
感谢您的帮助。

1个问题、在 Makefile.c 中
我是否需要设置此项？
CPU_ONLY：= 1.


我发出以下命令：cmake -dcpu_only=1。
我得到了这个。

CMake 错误：此项目中使用了以下变量、但这些变量设置为 NOTFOUND。
请对其进行设置或确保在 CMake 文件中正确设置和测试：
CUDA_BUBLAS_DEVICE_LIBRARY (高级)
由目录/opt/Caffe-Jacindo/caffe-jacinto-caffe-0.17/src/caffe 中的目标"Caffe"链接

--配置不完整，出现错误！
另请参阅/opt/Caffe-Jacindo/caffe-jacinto-caffe-0.17/CMakeFiles/CMakeOutput.log。
另请参阅/opt/Caffe-Jacindo/caffe-jacinto-caffe-0.17/CMakeFiles/CMakeError.log。
root@Ubuntu：/opt/Caffe-Jacindo/caffe-jacinto-caffe-0.17 CD CMakeFiles/
root@Ubuntu：/opt/Caffe-Jacindo/caffe-jacinto-caffe-0.17/CMakeFiles gedit CMakeError.log


通过检查 Error.log、可以看到：

确定 pthread_create 是否存在失败，输出如下：
更改目录：/opt/Caffe-Jacindo/caffe-jacinto-caffe-0.17/CMakeFiles/CMakeTmp

运行构建命令："/usr/bin/make "cmtC_55bdc/fast"
/usr/bin/make -f CMakeFiles\CMTC_55bdc.dir/build.make CMakeFiles\CMTC_55bdc.dir/build
make[1]：输入目录'/opt/Caffe-Jacindo/caffe-jacinto-caffe-0.17/CMakeFiles/CMakeTmp
构建 C 对象 CMakeFiles\CMTC_55bdc.dir/CheckSymbolExists.C.O
/usr/bin/cc -o CMakeFiles\CMTC_55bdc.dir/CheckSymbolExists.C.O -c /opt/Caffe-Jacindo/caffe-jacinto-caffe-0.17/CMakeFiles/CMakeTmp/CheckSymbolExists.c
链接 C 可执行文件 CMTC_55bdc
/usr/bin/cmake -E cmake_link_script CMakeFiles\CMTC_55bdc.dir/link.txt --verbos=1
/usr/bin/cc CMakeFiles/CMTC_55bdc.dir/CheckSymbolExists.C.O -o CMTC_55bdc
CMakeFiles/CMTC_55bdc.dir/CheckSymbolExists.c.o：在函数`main'中：
CheckSymbolExists.c：(.text+0x1b)：对`pthread_create'的引用未定义
collect2：错误：LD 返回1退出状态
CMakeFiles\CMTC_55bdc.dir/build.make：97：目标'CMTC_55bdc'的配方失败
maked[1]：***[CMTC_55bdc]错误1
make[1]：离开目录'/opt/Caffe-Jacindo/caffe-jacinto-caffe-0.17/CMakeFiles/CMakeTmp
Makefile：126：目标'CMTC_55bdc/fast'的配方失败
制造：***[CMTC_55bdc/FAST]错误2.

文件/opt/Caffe-Jacindo/caffe-jacinto-caffe-0.17/CMakeFiles/CMakeTmp/CheckSymbolExists.c：
/**//
#include

int main (int argc、char** argv)
｛
(无效) argv；
#ifndef pthread_create
返回((int*)(&pthread_create)[argc]；
其他
(无效) argc；
返回0；
#endif
｝

确定 pthread 中是否存在函数 pthread_create 失败，输出如下：
更改目录：/opt/Caffe-Jacindo/caffe-jacinto-caffe-0.17/CMakeFiles/CMakeTmp

运行构建命令："/usr/bin/make "CMTC_147b9/FAST"
/usr/bin/make -f CMakeFiles\CMTC_147b9.dir/build.make CMakeFiles\CMTC_147b9.dir/build
make[1]：输入目录'/opt/Caffe-Jacindo/caffe-jacinto-caffe-0.17/CMakeFiles/CMakeTmp
构建 C 对象 CMakeFiles\CMTC_147b9.dir/CheckFunctionExists.C.O
/usr/bin/cc -dCheck_function_exists=pthread_create -o CMakeFiles\CMTC_147b9.dir/CheckFunctionExists.C.O -c /usr/share/cmake-3.10/Modules/CheckFunctionExists.c
链接 C 可执行文件 CMTC_147b9
/usr/bin/cmake -E cmake_link_script CMakeFiles\CMTC_147b9.dir/link.txt --verbos=1
/usr/bin/cc -dCheck_function_exists=pthread_create CMakeFiles\CMTC_147b9.dir/CheckFunctionExists.c.o CMTC_147b9 -lpthreads
/usr/bin/ld：找不到-lpthreads
collect2：错误：LD 返回1退出状态
CMakeFiles\CMTC_147b9.dir/build.make：97：目标'CMTC_147b9'的配方失败
maked[1]：***[CMTC_147b9]错误1.
make[1]：离开目录'/opt/Caffe-Jacindo/caffe-jacinto-caffe-0.17/CMakeFiles/CMakeTmp
Makefile：126：目标'CMTC_147b9/FAST'的配方失败
制造：***[CMTC_147b9/FAST]错误2.

您好！

您可能没有 GPU、但我认为您仍然需要安装大部分(如果不是全部)软件依赖项。 我在 CPU 上构建了、但已按照此处所述安装了所有依赖项、包括 CUDA： https://github.com/tidsp/caffe-jacinto/blob/caffe-0.17/INSTALL.md 

其他人还报告说 CPU 中存在建筑物。  https://github.com/tidsp/caffe-jacinto/issues/30 

请尝试安装 CUDA (尤其是因为您遇到与 cublas 相关的错误)。 如果仍有错误、请同时安装其他依赖项。

你(们)好  

第一。 我仍然遇到此 cmake 错误：CUDA_CUBLOS_DEVICE_LIBRARY (高级)

2。 我的问题：

   其中是我需要运行此 cmd 的路径： cmake -dcpu_only=1。

   我在以下路径中运行此 cmd： /Caffe-Jacindo/caffe-jacinto-caffe-0.17/buil

3号。 我已在开头安装了 CUDA 版本10、但 CUDA 不在此文件夹中： /Caffe-Jacindo/caffe-jacinto-caffe-0.17

  我犯了什么错误？

BR RIO

您应该知道的一点是、大多数咖啡因版本对原咖啡因库有细微的变化：

https://github.com/BVLC/caffe 

成千上万的人(如果不是成千上万人)制造了咖啡因或其变体。 在 GitHub 上发布了大量有关构建错误等的此类问题  

尝试使用 google  

cmake 错误：CUDA_CUBLOS_DEVICE_LIBRARY (高级)  

您会惊讶地看到有多少人面临并解决了这个问题。 因此、将来我建议在使用此类开源库时使用 Google 进行搜索。  

您所面临的这个问题似乎与 cmake 有关。 使用高于或等于3.12.2的 cmake 版本似乎可以解决此问题。 如果您最近安装了 anaconda python，则可以在 anaconda bin 目录中找到这样一个 cmake 版本。

您好、Manu：

第一。 感谢您耐心地回答我的问题、我对此深表感谢。
2。 实际上、我已经100%的时间来完成这个、我用谷歌搜索了将近50篇文章来完成这个任务。
3号。 昨天我已经安装了 CMAE 3.12.2、但我找不到任何工作。

4. 您能否列出每个步骤的所有安装/构建命令？
我花了1个月的时间来完成张流器。
关于 Caffe-Jacindo，我已经忍受了2个月…

谢谢。

BR RIO

我很遗憾听到你所面临的困难。 我本人也面临着类似的困难，因此决定把手电筒和变速器作为下一代选择的框架。 在所有这些框架中，火电筒造成的麻烦最少。

回到您的咖啡因问题。 您能否在终端中键入以下命令并让我知道您得到的结果：
哪个 cmake
cmake --version

我已经在此处列出了安装和构建说明：
github.com/.../INSTALL.md

此致、

您好、Manu：

第一。 我发现我有2个版本的 Cmake。

2。 在默认系统路径中：

    Cmake 版本3.10.2

3号。 我有另一个编译的版本：3.12.2。   

那么、如何将系统默认 Cmake 升级到3.12.2？

 

BR RIO

您好、Manu：

我删除了3.10.2版、现在我已经安装了3.12.2。

但是、我仍然会出现以下错误：
发出时：sudo make RunTest
F0312 21：48：54.515797 55772 common.cpp：255]检查失败：错误= cudaSuccessess (38与0)未检测到可 CUDA 设备

我的问题：

在构建 Caffe 时、此"sudo make RunTest"是否是必须执行的过程？

BR RIO

有多种方法。  

(1)您可以添加包含要在路径中使用的 cmake 的文件夹

(2)您可以使用 alias 命令设置键入 cmake 时要执行的 cmake

建议从同事或熟悉基于 Unix 的构建工具的朋友那里获得帮助。

回滚并在3月8日阅读回复、您可以找到以下内容：

1.您可以使用 cpu_only 模式进行训练，尽管它可能很慢。 Caffe-Jacinto 在 CPU_ONLY 模式下工作、我今天就确认了。 不要担心您从 RunTest 获得的错误-这可能是不相关的。

您好、Manu：

第一。 我知道您已经这样说过：
不要担心您从 RunTest 获得的错误-这可能是不相关的。

但我真正的问题是：
我可以忽略"make RunTest"步骤吗？
我不知道这一步的目的是什么"进行运行测试"。
如果"make test"是可以的、为什么需要使用此"make RunTest"？

2。 我可以发出此命令、而不会出现任何问题"进行测试"
但是、当我发布此 camand 时：make -j4。
它会给我这些错误。

如何解决此问题？

BR RIO



扫描目标 extract_features 的依赖项
[83%]构建 CXX 对象工具/CMakeFiles/extract_feature.dir/extract_feature.cpp.o
./lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：：Blob：：GPU_zerout (int、caffe：：：Type、void const*、void*、float、 int)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
./lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：：Blob：：GPU_zerout (int、caffe：：：Type、void const*、void*、float、 int)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
collect2：错误：LD 返回1退出状态
tools/CMakeFiles/convert_ImageSet.dir/build.make：123：目标'tools/convert_ImageSet'的配方失败
make[2]：***[tools/convert_ImageSet]错误1.
collect2：错误：LD 返回1退出状态
tools/CMakeFiles/create_label_map.dir/build.make：123：目标'tools/create_label_map'的配方失败
maked[2]：***[tools/create_label_map]错误1.
CMakeFiles/Makefile2：446：目标'tools/CMakeFiles/convert_ImageSet.dir/all'的配方失败
make[1]：***[tools/CMakeFiles/convert_ImageSet.dir/All]错误2.
maked[1]：***正在等待未完成的作业...
CMakeFiles/Makefile2：484：目标'tools/CMakeFiles/create_label_map.dir/all'的配方失败
make[1]：***[tools/CMakeFiles/create_label_map.dir/all]错误2.
[83%]链接 CXX 可执行咖啡因
./lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：：Blob：：GPU_zerout (int、caffe：：：Type、void const*、void*、float、 int)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
collect2：错误：LD 返回1退出状态
tools/CMakeFiles/caffe.bin.dir/build.make：123：目标'tools/caffe'的配方失败
make[2]：***[tools/Caffe]错误1.
CMakeFiles/Makefile2：522：目标'tools/CMakeFiles\Caffe.bin.dir/all'的配方失败
make[1]：***[tools/cmakeFiles/Caffe.bin.dir/all]错误2.
[83%]链接 CXX 可执行文件 extract_features
./lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：：Blob：：GPU_zerout (int、caffe：：：Type、void const*、void*、float、 int)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
collect2：错误：LD 返回1退出状态
tools/CMakeFiles/extract_feature.dir/build.make：123：目标'tools/extract_features '的配方失败
maked[2]：***[tools/extract_features ]错误1.
CMakeFiles/Makefile2：598：目标'tools/CMakeFiles/extract_feature.dir/all'的配方失败
make[1]：***[tools/cmakeFiles/extract_feature.dir/all]错误2.
Makefile：129：目标'all'的配方失败
Make：***[All]错误2.

您好、Manu：

请给我一些时间、因为我一直在处理另一个问题、我将在几周后回来。

谢谢。

BR RIO

您好、Manu：

我仍然遇到"make RunTest"问题。
但“制造 pycaffe”还可以。

我应该忽略"RunTest"吗？
电源 我可以(没问题)、同时致电"make all -j4"。

BR RIO


root@Ubuntu：/opt/Caffe-Jacindo/caffe-jacinto-caffe-0.17 # make RunTest
[1%]构建的目标原型
[1%]已构建目标测试
[74%]打造的目标咖啡因
[74%]链接 CXX 可执行文件./../../test/test.testbin
./../../lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：：Blob：：GPU_zerout (int、caffe：：：Type、void const*、void*、float、 int)'
/../../lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/../../lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/../../lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/../../lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/../../lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
collect2：错误：LD 返回1退出状态
src="Caffe/test/CMakeFiles/test.testbin.dir/build.make.2645:用于目标'test/test.testbin'的配方失败
maked[3]：***[test/test.testbin]错误1
CMakeFiles/Makefile2：367：目标'scrc/caffe/test/CMakeFiles\test.testbin.dir/all'的配方失败
make[2]：***[src/Caffe/test/CMakeFiles\test.testbin.dir/all]错误2.
CMakeFiles/Makefile2：340：目标'scrc/caffe/test/CMakeFiles\RunTest.dir/rule'的配方失败
make[1]：***[src/Caffe/test/CMakeFiles\RunTest.dir/rule]错误2.
Makefile：242：目标'RunTest'的配方失败
make：***[RunTest]错误2.
根部@Ubuntu：/opt/Caffe-Jacindo/caffe-jacinto-caffe-0.17制作 pycaffe
[1%]构建的目标原型
[100%]制作的目标咖啡因
[100%]构建目标咖啡因
root@Ubuntu：/opt/Caffe-Jacindo/caffe-jacinto-caffe-0.17

您好、Manu：

因此、如果我忽略"make RunTest"、整个 Caffe 建筑就会完成。

那么、我需要实现的下一个目标是什么？
了解如何构建模型？ 或者?
很抱歉,我迷路了。

BR RIO

您好、Rio、

如我所说、请忽略 RunTest 中的错误。 这与培训或测试 CNN 无关。 我的文档中没有提到过它。 想知道您为什么会反复提出它？ 名称"RunTest"是否让您认为它与 CNN 测试有关？ 无论如何、请忽略它。

您能告诉我您希望实现的下一个目标是什么？ 您正在尝试做什么？ 只是想了解 CNN？ 培训 CNN？ 尝试一些已经过培训的 CNN？ 还是其他东西？

Caffe 提供了几个 CNN 示例。
github.com/.../examples
例如、您可以尝试 mnist 培训。

我还编写了一些示例、并在此处记录了如何使用这些示例：
github.com/.../caffe-jacinto-models

此致、
制造商。

您好、Manu：

感谢您提供的信息、我将继续向您学习。

顺便说一下、我的错。
我重新检查 cmd“make all -J4”，它似乎给我带来了相同的错误:(。

我认为"make RunTest"是"make all"的一部分吗？

BR RIO

root@Ubuntu：/opt/Caffe-Jacindo/caffe-jacinto-caffe-0.17 make all -J4
[1%]构建的目标原型
[82%]打造的目标咖啡因
[83%]构建的目标 test_net
[83%]链接 CXX 可执行文件 create_label_map
[83%]链接 CXX 可执行文件 convert_ImageSet
[83%]链接 CXX 可执行咖啡因
[83%]链接 CXX 可执行文件 extract_features
./lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：：Blob：：GPU_zerout (int、caffe：：：Type、void const*、void*、float、 int)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
collect2：错误：LD 返回1退出状态
tools/CMakeFiles/convert_ImageSet.dir/build.make：123：目标'tools/convert_ImageSet'的配方失败
make[2]：***[tools/convert_ImageSet]错误1.
CMakeFiles/Makefile2：446：目标'tools/CMakeFiles/convert_ImageSet.dir/all'的配方失败
make[1]：***[tools/CMakeFiles/convert_ImageSet.dir/All]错误2.
maked[1]：***正在等待未完成的作业...
./lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：：Blob：：GPU_zerout (int、caffe：：：Type、void const*、void*、float、 int)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
collect2：错误：LD 返回1退出状态
tools/CMakeFiles/extract_feature.dir/build.make：123：目标'tools/extract_features '的配方失败
maked[2]：***[tools/extract_features ]错误1.
CMakeFiles/Makefile2：598：目标'tools/CMakeFiles/extract_feature.dir/all'的配方失败
make[1]：***[tools/cmakeFiles/extract_feature.dir/all]错误2.
./lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：：Blob：：GPU_zerout (int、caffe：：：Type、void const*、void*、float、 int)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
collect2：错误：LD 返回1退出状态
tools/CMakeFiles/caffe.bin.dir/build.make：123：目标'tools/caffe'的配方失败
make[2]：***[tools/Caffe]错误1.
CMakeFiles/Makefile2：522：目标'tools/CMakeFiles\Caffe.bin.dir/all'的配方失败
make[1]：***[tools/cmakeFiles/Caffe.bin.dir/all]错误2.
./lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：：Blob：：GPU_zerout (int、caffe：：：Type、void const*、void*、float、 int)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
/lib/libcaffe-nv.so.0.17.0：未定义对`咖啡因的引用：量化层 ::quanted_cpu(std::vecat <caffe::Blob*, std::allocator > const&、std <caffe::Blob*, std::allocator ：vecist > const&)'
collect2：错误：LD 返回1退出状态
tools/CMakeFiles/create_label_map.dir/build.make：123：目标'tools/create_label_map'的配方失败
maked[2]：***[tools/create_label_map]错误1.
CMakeFiles/Makefile2：484：目标'tools/CMakeFiles/create_label_map.dir/all'的配方失败
make[1]：***[tools/CMakeFiles/create_label_map.dir/all]错误2.
Makefile：129：目标'all'的配方失败
Make：***[All]错误2.
root@Ubuntu：/opt/Caffe-Jacindo/caffe-jacinto-caffe-0.17

我无法准确理解您的说法。 您是否遵循此处提供的说明？
github.com/.../INSTALL.md

您好、Manu：

我决定重新安装我的 unbundu 18。

并为此重新执行所有操作、plz 等等。

BR RIO

您好、Manu：

谢谢。

第一。 我100%关注您的网站： https://github.com/tidsp/caffe-jacinto/blob/caffe-0.17/INSTALL.md  

2。 它说：

我们可以通过一些方法来编译/安装咖啡因：

  方式1。  安装预编译的 Caffe

  方法2。  从源安装 Caffe

  方式3。 下载整个软件包： https://github.com/tidsp/caffe-jacinto/tree/caffe-0.17/examples  

         并按照以下部分=>从您的指南中准备： https://github.com/tidsp/caffe-jacinto/blob/caffe-0.17/INSTALL.md   

  那么、如果我已经完成了路径#1/#2、我是否需要继续#3？   

  我认为、如果我继续#Way3、应该可以。

我的理解是否100%正确？

BR RIO

您好、Manu：

本声明在您的指南中：
安装所有必要条件-(主要取自 caffe.berkeleyvision.org/install_apt.html)


然后、在该网站中： caffe.berkeleyvision.org/install_apt.html
它有2种方法：
安装预编译的 Caffe
从源安装 Caffe

BTW、我知道这2是相同的、但我仍然同时执行这两个操作。 ：)。
只需检查它们是否是相同的结果。
我现在可以在壳体中使用"Caffe"命令。

即使这样、我仍然得到 Caffe 0.17来尝试编译它。

BR RIO

我无法理解您的说法。

请按照我写的说明操作。 仅当您遇到问题或疑问时、请在其他地方参考。 网站上有几个内容、为了清晰起见、我提供了一些链接-这并不意味着您应该关注这些内容。

您好、Manu：

我已重新安装 Ubuntu 18.04
并按照安装指南重新执行所有操作。

现在、我在进行"sudo make test -J50"时出现此错误

----------

/include/caffe/layer.hpp：在成员函数中‘虚拟浮点咖啡因：层 ::Forward (const std::vector &、const std：：vector &)'：
/include/caffe/layer.hpp：551：16：‘：“Loss”不能用作功能
如果(此->损耗(top_id)=0.F)｛继续；｝
^μ A
/include/caffe/layer.hpp：561：16：错误：‘LOSS’不能用作功能
如果(此->损耗(top_id)=0.F)｛继续；｝
^μ A
Makefile：623：目标'.build_release/CUDA/src/caffe/test/im2col_kernel.o'的配方失败
制造：***[.build_release/CUDA/src/caffe/test/test_im2col_kernel.o]错误1



BR RIO