流行りの深層学習フレームワークCaffeをC++から使ってみた
Caffeとは
CaffeはBerkeley Vision and Learning Centerというところが中心となって開発している深層学習（Deep learning）フレームワークです．公式サイトの記述によれば
- 速い（"We believe that Caffe is the fastest CNN implementation available"）
- GPU（CUDA）を利用できるがCPUだけでも動く
- きれいなアーキテクチャ＆読みやすく改変しやすい実装（C++）
- コマンドライン，Python，MATLABインタフェースを提供
- 活発なコミュニティ（Githubのレポジトリやメーリングリストを見るとわかる）
といった特徴があるようです．ちょうどC++から簡単に使える深層学習ライブラリを探していたところ，なんだか流行っていて（Caffeで手軽に画像分類 - Yahoo! JAPAN Tech Blog，Deep learning実装の基礎と実践，Python - Deep Learningで猫の品種識別 - Qiita）良さそうだったので使ってみることにしました．
Caffeのインストール
公式サイトのインストール手順に従ってインストールします．自分のOSはOS X 10.9.5で，インストール手順には
とだるいことが書いてありますが，今回はCPU-onlyの設定でインストールすることにしていたのでこれは無視してOS X 10.8向けの手順の通りにインストールしました．CPU-onlyの場合はMakefile.configのCPU_ONLY := 1の行をアンコメントします．
CaffeをC++から使う
以下，$HOME/caffe以下にインストールしたとして話を進めます．Caffeをライブラリとして別のC++プログラムから利用するという利用方法は，公式にサポートされた方法ではないようで，ほとんど情報がありません．GithubのIssuesやメーリングリストを検索したりtools/caffe.cpp等のコードを参考にした結果，以下のようなごくシンプルなモデル（入力が2変数，出力が1変数の線形近似）でひとまず学習を行うことができました．
net.prototxtではネットワークのアーキテクチャと損失の定義をしており，solver.prototxtでは損失を最小化する最適化アルゴリズムの設定をしています．詳しくは公式のチュートリアルを見てください．
上のC++コード（caffe-sample.cpp）をコンパイルするには，次のようにします．
$ clang++ -std=c++11 -DCPU_ONLY -I$HOME/caffe/include -I/System/Library/Frameworks/vecLib.framework/Versions/Current/Headers -L$HOME/caffe/build/lib caffe-sample.cpp -lcaffe -lglog
（CPU-onlyの場合は）-DCPU_ONLYを指定すること，Caffeのヘッダファイルへのパス（$HOME/caffe/include）と共有ライブラリへのパス（$HOME/caffe/build/lib）を通すことが必要です．さらにOS Xでは/System/Library/Frameworks/vecLib.framework/Versions/Current/Headersのヘッダファイルへのパスが必要なようです（Makefile参照）．さらに，$HOME/caffe/include/caffe/proto/caffe.pb.hが見つからないとエラーが出る場合は，$HOME/caffe/src/caffe/proto/caffe.protoに対してprotocコマンドを使って作成します．
# $HOME/caffe/include/proto以下にcaffe.pb.hとcaffe.pb.ccが作成される $ protoc $HOME/caffe/src/caffe/proto/caffe.proto --cpp_out=$HOME/caffe/include/proto
実行結果は以下のようになり，バイアスを含めた3つのパラメータをそれなりに正しく学習できているのが確認できます．
$ ./a.out 3.00199x + -1.99783y + 3.99781 = target 10a + 20b + c = -5.93897
