(14)caffe總結之Linux下Caffe如何除錯
注意,在使用這款軟體之前,該有的資料,都要生成,最好先通過終端來執行一下,保證,能執行,再在這個軟體上面來執行。
Caffe也算是一個程式碼量比較大的工程,閱讀程式碼過程進行除錯有助於我們理解程式碼。
1、編譯debug模式的Caffe
首先要先將Caffe編譯成debug模式,即需要將Makefile.config中"DEBUG := 1"前面的註釋去掉再進行重新編譯,這樣就能得到Caffe版本就能夠除錯。
2、安裝IDE
要除錯的話也需要一個IDE,經過這兩天的摸索找到了一個比較滿意的IDE:Anjuta。Anjuta在Ubuntu下的安裝方法為:sudo apt-get install anjuta
3、匯入caffe
安裝完後開啟Anjuta,然後匯入Caffe專案工程,具體步驟為:
(1)import an existing project
(2) import from folder
(3)下拉選擇caffe根目錄,並點選開啟,import。
(4)可用外掛,選擇預設就好。
4、設定斷點
然後開啟需要除錯的程式碼檔案,使用設定斷點按鈕(選單欄最後面一個紅綠黃的按鈕)進行斷點設定。
5、配置程式引數
點選“執行 -> 程式引數”,以除錯訓練mnist為例:
(1)在Program一欄中,選擇右邊的開啟按鈕,然後選擇資料夾caffe/build/tools/下的caffe可執行檔案。
(2)對於Arguments一欄,填入引數:train --solver=examples/mnist/lenet_solver.prototxt,然後點選“應用”
6、開始除錯
點選“執行 -> 除錯程式”,使用除錯快捷鍵:F5(單步跨入函式)、F6(單步跨過函式)、Shift+F5(單步跨出函式)進行除錯。當然,也可以設定偵錯程式命令的。Anjuta使用方法還是比較簡單的,大家檢視一下選單就能知道怎麼用,不大清楚的歡迎留言咯,大家相互交流,哈哈。下面附一張我使用Anjuta除錯Caffe程式碼的截圖(左下方可以檢視變數的值等,右下方是程式的執行結果)
相關文章
- (2)caffe總結之目錄結構
- (11)caffe總結之命令列解析命令列
- (8)caffe總結之solver及其配置
- centos下caffe用GPU編譯搭建過程以及錯誤總結CentOSGPU編譯
- (4)caffe總結之視覺層及引數視覺
- (6)caffe總結之其它常用層及引數
- caffe學習(1)caffe模型三種結構模型
- Caffe程式碼結構
- caffe study- AlexNet 之結構篇
- (13)caffe總結之訓練和測試自己的圖片
- Ubuntu 14 Caffe安裝(無GPU)UbuntuGPU
- Linux16.04下配置Caffe,Pycaffe,matcaffeLinux
- caffe中各種cblas的函式使用總結函式
- caffe study - 資料結構(1)資料結構
- caffe的基本資料結構資料結構
- 深度學習---之caffe如何加入Leaky_relu層深度學習
- (7)caffe總結之Blob,Layer and Net以及對應配置檔案的編寫
- 【Caffe篇】--Caffe solver層從初始到應用
- Ubuntu 16.04 下安裝配置caffeUbuntu
- 如何在Caffe中配置每一個層的結構
- opencv呼叫caffe模型OpenCV模型
- caffe make 編譯編譯
- linux c之gdb常用斷點除錯總結Linux斷點除錯
- 【caffe2從頭學】:2.學習caffe2
- 【Caffe篇】--Caffe從入門到初始及各層介紹
- caffe+SSD封裝封裝
- Matlab 使用caffe示例Matlab
- caffe study(5) - AlexNet 之演算法篇演算法
- (12)caffe總結之影像資料轉換成db(leveldb/lmdb)檔案
- Windows10 下caffe-Windows安裝與配置Windows
- Windows下編譯Caffe並編譯Matlab介面Windows編譯Matlab
- 在Windows下編譯Caffe與其Python介面Windows編譯Python
- Caffe轉mxnet模型——mmdnn模型DNN
- caffe層解讀系列——BatchNormBATORM
- Caffe學習紀錄01
- caffe 無GPU 環境搭建GPU
- Caffe中的優化方法優化
- Caffe Windows版本的編譯Windows編譯