Caffe2 Deep Learning人工智能环境的搭建与实践

韩庆生，王东桥，王爱玲

（北京经济管理职业学院 北京 102602）

1 引言

Caffe2是一款十分出色的开源框架，从结构、性能和代码质量来看十分出色，官方文档及实例细节详尽，大大降低了人们学习研究和开发的难度。Caffe2已经可以充分利用英伟达GPU深度学习平台，可根据运行状态在CPU模式和GPU模式之间无缝切换。

2 人工智能领域的发展

神经网络是一个受生物学启发的让计算机从获得的数据中进行学习的编程模型，他为图像识别、语音识别、语言翻译处理等人工智能领域提供了最好的解决方案。目前，在人工智能软件的较著名的软件达数十种之多，caffe2的主要研究方向是图像处理；CNTK主要被微软用于语音识别；H2O主要是机器学习与预测分析解决商业问题；MLlib主要面向的是大数据处理等等。除此之外，还有许多的创新公司正在投入到人工智能领域的开发中来。

3 神经网络的基本概念

神经元是大脑的基本单位，在神经网络结构中，神经元也是一个小单位。当输入信息到达神经元时，它就会乘上一个权重，输入信息乘上权重后再加上偏置，用来改变权重乘输入的范围。线性分量应用可以到输入信息，非线性函数也可以应用到输入信息。这种输入信息过程是通过激活函数来实现的。最常用的激活函数有：Sigmoid、ReLU、softmax激活函数。

Sigmoid激活函数如图1。

图1

深度学习指的是深度神经网络模型，一般指网络层数在三层或者三层以上的神经网络结构。感知器类似于集成电路中的与非门，一般的神经网络都是先指定好网络结构，训练的目的是利用训练样本来确定合适的连接权、阈值等参数。见图2。

图2

对于以上一层的输出作为下一层的输入的网络被称为前馈神经网络，把输出作为输入的反馈环路被称为递归神经网络。递归神经网络虽然比前馈网络影响力小得多，但是从原理上来看，更接近于我们大脑的实际工作。

4 Caffe2 Deep learning环境部署

本次选择Ubuntu 16.04 Server+ Xubuntu-desktop作为操作系统，因为Ubuntu的桌面版nuity不支持远程登录，还需要安装其它桌面。另外，这种搭配比较简化占用内存较少，如果在虚拟机上安装只需要1G内存就可以运行。这里采用的conda的方式进行安装，过程如下：

参见https://www.anaconda.com/download/先下载安装anaconda:

$ bash Anaconda2-5.1.0-Linux-x86_64.sh

# Anaconda是一个开源的Python发行版本，包含了各种依赖包的资源库。

$ conda update conda

$ conda update conda-build # 安装conda更新

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

$ conda build conda/no_cuda

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

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

$ Jupyter notebook # 启动编辑器

经过以上步骤，学习环境搭建完成，比从源代码编译快，如果机器支持GPU驱动，可以进一步提高学习效率。在此基础上，我们可以下载示例数据，开始训练了。

5 Caffe2体系架构特点

从Facebook发布的观点来看，Caffe2是开源的框架，但核心软件又是无架构的，可以用来对每一个框架进行优化。Caffe2的设计是模块化的，轻巧易用，支持服务器CPU、GPU、iOS和Android四个平台，从云端到手机上都可以运行。

Jupyter notebook是一个优秀的编辑器，当我们使用--ip=x.x.x.x参数时可以共享服务器，在客户端我们可以用http://x.x.x.x:8888通过浏览器进行远程登录，无需对Ubuntu操作系统进行汉化和添加输入法，程序和图形在浏览器中运行和显示，建立的文件可方便的下载到本地保存，并且可以多人共享一台服务器。实验中唯一的不足是Tab键被占用，在用import导入库时命令补全和提示功能不完整，但这种问题可以通过先Ctrl+回车先执行一次导入的库，Tab健的功能就可恢复。

6 结语

目前，人工智能领域技术发展迅速，IBM、谷歌、微软、脸书和亚马逊等著名企业都加大了投资和研究力度。我国的百度在无人驾驶技术、科大讯飞在智能语音识别方面也取得了长足的进步，相信在未来的十年里，人工智能将对人类社会和经济发展起到巨大的推动作用。

[1]刘蕊.人工智能的软件基础层及应用综述[J].通讯世界，2017(23)：1-2.

[2]张瑞.神经网络技术初探[J].电子世界，2017(23)：171-172.

[3]卞正岗.综论人类智能和人工智能[J].智慧工厂，2017(10)：35-39.

[4]魏爽.一种利用人工神经网络优化语音识别的方法[J].数字技术与应用，2017(10)：228-229.

[5]郭元祥.深度学习：本质与理念[J].新教师，2017(07)：11-14.