必要な依存ライブラリ（Python, Boost, OpenCV, CUDAなど）

Caffeの環境構築においては、動作に必要な依存ライブラリが複数存在します。以下に、代表的な依存ライブラリとその役割を詳しく説明します。

1. Python関連のライブラリ（Python 2系または3系）

CaffeはPythonバインディングを通じてインターフェースを提供しており、学習・推論スクリプトやテストなどでPythonが使用されます。

  • Python (2.7 または 3.5〜3.7 推奨)

  • NumPy：数値計算ライブラリ。データ操作やベクトル演算で使用されます。

  • protobuf (Pythonバインディング)：モデルの構造を記述した.prototxtファイルの処理に使用されます。

  • scipy：一部のユーティリティ機能で利用されます。

  • matplotlib（オプション）：学習曲線などの可視化で使用可能。

2. Boostライブラリ

  • Boost（特に boost-system, boost-thread, boost-filesystem など）

    • CaffeのC++コードではBoostを通じてスレッド処理やファイルシステム操作などを行います。

    • Boost 1.55〜1.67あたりのバージョンが互換性あり。

3. OpenCV

  • OpenCV（2.4〜3.xが推奨）

    • 画像データの前処理、表示、データ拡張処理に使用されます。

    • cv::imread や cv::resize などがCaffeの内部で使用されます。

    • Pythonインターフェースでは cv2 モジュールとしても利用可能。

4. CUDAとcuDNN（GPU版Caffeの場合）

GPUを使って高速に学習・推論を行うには以下のライブラリが必要です。

  • CUDA Toolkit（NVIDIA）

    • CaffeのGPU対応コンポーネントをビルドするのに必須。

    • バージョンはCaffeのビルド対象と使用するGPUのアーキテクチャにより異なる（例：CUDA 8.0、CUDA 10.1 など）。

  • cuDNN（NVIDIA）

    • 深層学習向けに最適化されたGPU用ライブラリ。

    • Caffeの畳み込み層やプーリング層などで高速処理が可能になる。

    • Caffeビルド時に USE_CUDNN := 1 を設定することで有効化。

5. プロトコルバッファ（Protocol Buffers）

  • protobuf（C++ライブラリとcompiler）

    • Caffeのネットワーク定義（.prototxt）や学習済みモデル（.caffemodel）を処理するために使用。

    • protoc コマンドで定義ファイルからソースコードを自動生成。

6. その他のC++ライブラリ・ツール

  • glog（Google Logging）：ログ出力に使用。

  • gflags（Google Flags）：コマンドライン引数のパース処理。

  • hdf5：HDF5形式でのデータの読み書きに使用。

  • LevelDB / LMDB：高速なキーバリュー型データベースで、画像データの格納に利用。

  • BLAS / OpenBLAS / Intel MKL：行列演算の高速化に必要（CPU処理時に重要）。

7. ビルドツール

  • CMake（3.5以上が推奨）

    • ソースコードのビルド設定を生成。

  • Make / Ninja：ビルドの実行（make allなど）。

まとめ：インストールの一例（Ubuntuの場合）

bash
sudo apt-get install -y \
    build-essential cmake git libprotobuf-dev libleveldb-dev libsnappy-dev \
    libopencv-dev libhdf5-serial-dev protobuf-compiler \
    libgflags-dev libgoogle-glog-dev liblmdb-dev \
    python3-dev python3-numpy python3-scipy python3-matplotlib

CUDAやcuDNNはNVIDIAの公式サイトから別途ダウンロード・インストールが必要です。

生成日：2025/05/23