Caffe2 - 安裝
現在，您已經對 Caffe2 的功能有了足夠的瞭解，是時候自己嘗試使用 Caffe2 了。要使用預訓練模型或在您自己的 Python 程式碼中開發模型，您必須首先在您的機器上安裝 Caffe2。
在 Caffe2 網站的安裝頁面上，該頁面可在以下連結訪問：https://caffe2.ai/docs/getting-started.html，您將看到以下內容以選擇您的平臺和安裝型別。
如您在上面的螢幕截圖中看到的，Caffe2 支援多個流行平臺，包括移動平臺。
現在，我們將瞭解在所有本教程中的專案都經過測試的MacOS 安裝步驟。
MacOS 安裝
安裝可以有以下四種類型：
- 預構建二進位制檔案
- 從原始碼構建
- Docker 映象
- 雲
根據您的喜好，選擇上述任何一種作為您的安裝型別。此處提供的說明根據 Caffe2 安裝網站上的預構建二進位制檔案。它使用 Anaconda 用於Jupyter 環境。在您的控制檯提示符中執行以下命令
pip install torch_nightly -f https://download.pytorch.org/whl/nightly/cpu/torch_nightly.html
此外，您還需要一些第三方庫，這些庫使用以下命令安裝：
conda install -c anaconda setuptools conda install -c conda-forge graphviz conda install -c conda-forge hypothesis conda install -c conda-forge ipython conda install -c conda-forge jupyter conda install -c conda-forge matplotlib conda install -c anaconda notebook conda install -c anaconda pydot conda install -c conda-forge python-nvd3 conda install -c anaconda pyyaml conda install -c anaconda requests conda install -c anaconda scikit-image conda install -c anaconda scipy
Caffe2 網站中的一些教程還需要安裝zeromq，它使用以下命令安裝：
conda install -c anaconda zeromq
Windows/Linux 安裝
在您的控制檯提示符中執行以下命令：
conda install -c pytorch pytorch-nightly-cpu
您可能已經注意到，您需要 Anaconda 才能使用上述安裝。您需要安裝MacOS 安裝中指定的附加軟體包。
測試安裝
要測試您的安裝，下面提供了一個小的 Python 指令碼，您可以將其剪下貼上到您的 Juypter 專案中並執行。
from caffe2.python import workspace
import numpy as np
print ("Creating random data")
data = np.random.rand(3, 2)
print(data)
print ("Adding data to workspace ...")
workspace.FeedBlob("mydata", data)
print ("Retrieving data from workspace")
mydata = workspace.FetchBlob("mydata")
print(mydata)
執行上述程式碼時，您應該會看到以下輸出：
Creating random data [[0.06152718 0.86448082] [0.36409966 0.52786113] [0.65780886 0.67101053]] Adding data to workspace ... Retrieving data from workspace [[0.06152718 0.86448082] [0.36409966 0.52786113] [0.65780886 0.67101053]]
此處顯示安裝測試頁面的螢幕截圖，供您快速參考：
現在，您已經在您的機器上安裝了 Caffe2，請繼續安裝教程應用程式。
教程安裝
使用以下命令在您的控制檯中下載教程原始碼：
git clone --recursive https://github.com/caffe2/tutorials caffe2_tutorials
下載完成後，您將在安裝目錄的caffe2_tutorials資料夾中找到多個 Python 專案。此處提供了此資料夾的螢幕截圖，供您快速檢視。
/Users/yourusername/caffe2_tutorials
您可以開啟其中一些教程以檢視Caffe2 程式碼的外觀。本教程中描述的接下來的兩個專案主要基於上面顯示的示例。
現在是時候進行一些我們自己的 Python 編碼了。讓我們瞭解如何使用 Caffe2 中的預訓練模型。稍後，您將學習如何建立自己的簡單神經網路以在您自己的資料集上進行訓練。