Caffe2 Deep Learning人工智能環境的搭建與實踐

韓慶生，王東橋，王愛玲

（北京經濟管理職業學院 北京 102602）

1 引言

Caffe2是一款十分出色的開源框架，從結構、性能和代碼質量來看十分出色，官方文檔及實例細節詳盡，大大降低了人們學習研究和開發的難度。Caffe2已經可以充分利用英偉達GPU深度學習平臺，可根據運行狀態在CPU模式和GPU模式之間無縫切換。

2 人工智能領域的發展

神經網絡是一個受生物學啟發的讓計算機從獲得的數據中進行學習的編程模型，他為圖像識別、語音識別、語言翻譯處理等人工智能領域提供了最好的解決方案。目前，在人工智能軟件的較著名的軟件達數十種之多，caffe2的主要研究方向是圖像處理；CNTK主要被微軟用于語音識別；H2O主要是機器學習與預測分析解決商業問題；MLlib主要面向的是大數據處理等等。除此之外，還有許多的創新公司正在投入到人工智能領域的開發中來。

3 神經網絡的基本概念

神經元是大腦的基本單位，在神經網絡結構中，神經元也是一個小單位。當輸入信息到達神經元時，它就會乘上一個權重，輸入信息乘上權重后再加上偏置，用來改變權重乘輸入的范圍。線性分量應用可以到輸入信息，非線性函數也可以應用到輸入信息。這種輸入信息過程是通過激活函數來實現的。最常用的激活函數有：Sigmoid、ReLU、softmax激活函數。

Sigmoid激活函數如圖1。

圖1

深度學習指的是深度神經網絡模型，一般指網絡層數在三層或者三層以上的神經網絡結構。感知器類似于集成電路中的與非門，一般的神經網絡都是先指定好網絡結構，訓練的目的是利用訓練樣本來確定合適的連接權、閾值等參數。見圖2。

圖2

對于以上一層的輸出作為下一層的輸入的網絡被稱為前饋神經網絡，把輸出作為輸入的反饋環路被稱為遞歸神經網絡。遞歸神經網絡雖然比前饋網絡影響力小得多，但是從原理上來看，更接近于我們大腦的實際工作。

4 Caffe2 Deep learning環境部署

本次選擇Ubuntu 16.04 Server+ Xubuntu-desktop作為操作系統，因為Ubuntu的桌面版nuity不支持遠程登錄，還需要安裝其它桌面。另外，這種搭配比較簡化占用內存較少，如果在虛擬機上安裝只需要1G內存就可以運行。這里采用的conda的方式進行安裝，過程如下：

參見https://www.anaconda.com/download/先下載安裝anaconda:

$ bash Anaconda2-5.1.0-Linux-x86_64.sh

# Anaconda是一個開源的Python發行版本，包含了各種依賴包的資源庫。

$ conda update conda

$ conda update conda-build # 安裝conda更新

$ git clone --recursive git://github.com/caffe2/caffe2.git && cd caffe2

$ conda build conda/no_cuda

$ conda install caffe2 --use-local # 安裝caffe2

$ conda install -c caffe2 caffe2-cuda9.0-cudnn7# 如果有Nvidia顯卡

$ Jupyter notebook # 啟動編輯器

經過以上步驟，學習環境搭建完成，比從源代碼編譯快，如果機器支持GPU驅動，可以進一步提高學習效率。在此基礎上，我們可以下載示例數據，開始訓練了。

5 Caffe2體系架構特點

從Facebook發布的觀點來看，Caffe2是開源的框架，但核心軟件又是無架構的，可以用來對每一個框架進行優化。Caffe2的設計是模塊化的，輕巧易用，支持服務器CPU、GPU、iOS和Android四個平臺，從云端到手機上都可以運行。

Jupyter notebook是一個優秀的編輯器，當我們使用--ip=x.x.x.x參數時可以共享服務器，在客戶端我們可以用http://x.x.x.x:8888通過瀏覽器進行遠程登錄，無需對Ubuntu操作系統進行漢化和添加輸入法，程序和圖形在瀏覽器中運行和顯示，建立的文件可方便的下載到本地保存，并且可以多人共享一臺服務器。實驗中唯一的不足是Tab鍵被占用，在用import導入庫時命令補全和提示功能不完整，但這種問題可以通過先Ctrl+回車先執行一次導入的庫，Tab健的功能就可恢復。

6 結語

目前，人工智能領域技術發展迅速，IBM、谷歌、微軟、臉書和亞馬遜等著名企業都加大了投資和研究力度。我國的百度在無人駕駛技術、科大訊飛在智能語音識別方面也取得了長足的進步，相信在未來的十年里，人工智能將對人類社會和經濟發展起到巨大的推動作用。

[1]劉蕊.人工智能的軟件基礎層及應用綜述[J].通訊世界，2017(23)：1-2.

[2]張瑞.神經網絡技術初探[J].電子世界，2017(23)：171-172.

[3]卞正崗.綜論人類智能和人工智能[J].智慧工廠，2017(10)：35-39.

[4]魏爽.一種利用人工神經網絡優化語音識別的方法[J].數字技術與應用，2017(10)：228-229.

[5]郭元祥.深度學習：本質與理念[J].新教師，2017(07)：11-14.