关键词：

Ubuntu下的Caffe的搭建

• Ubuntu下的Caffe的搭建
  • 安装英伟达驱动
  • 安装CUDA
  • 安装OpenBLAS
  • 安装Boost
  • 安装OpenCV
  • 安装protobufgloggflags
  • 安装IO库hdf5leveldbsnappylmdb
  • 安装Anaconda Python
  • 安装HDF5
  • 配置并编译Caffe
  • 后记

参考来源：https://github.com/tiangolo/caffe/blob/ubuntu-tutorial-b/docs/install_apt2.md

本教程是在Ubuntu14.04下的（因为CUDA官方目前在Ubuntu64bit下支持的只有14.04和15.04两个版本，如果是15.04的按照这个教程应该也是可以的，主要是因为CUDA官方目前只支持这两个版本，小编曾经试过在16.x的版本安装，结果是惨烈的）

安装Git：

sudo apt-get install git

安装英伟达驱动

Caffe是建立在CUDA之上的，而只有英伟达才支持CUDA，所以，如果读者您的显卡不是英伟达的，可能就要三思咯…

就算是英伟达显卡，也有可能不支持CUDA的，如果您的显卡不在官方提供的列表里，那也只能说很遗憾了，下面是官方提供的列表：

• 添加PPA源

  sudo add-apt-repository ppa:graphics-drivers/ppa
  sudo apt-get update

• 安装英伟达显卡，小编推荐安装352的，是目前最稳定的版本

  sudo apt-get install nvidia-352

还有另外一种方法也可以安装驱动，但是这种方法比较麻烦，小编强烈不推荐用这种（小编曾在这种方法栽过跟头）：
注意，如果上面的方法安装成功了，请无视此部分
首先，读者需要去英伟达官网下载符合您显卡的驱动程序：
http://www.geforce.com/drivers
接着，请把下载到的xx.run文件放到一个英文路径下。并运行下面命令
chmod +x xx.run
接着如果读者试着安装该文件的话，不出意味，一定会失败，错误提示应该如下：
ERROR: You appear to be running an X server; ......
所以要你退出X server...
好吧，退出就退出吧...
那么怎么退出X server？（此时建议用手机拍下，因为即将暂别）
首先，按住ctrl+alt+F1切换到tty1窗口，
然后输入
service lightdm stop
或者
service gdm stop
这样就退出了X server，然而这时候有中文路径的读者会发现，命令行里此时不能输中文，也看不到中文（知道为什么要把xx.run放到英文路径了吧）
然后找到xx.run的目录，输入下面命令
sudo ./xx.run
然后就开始安装了，如无意外，这时候应该会安装得很顺利。

• 安装成功后重启

  sudo shutdown -r now

• 检查是否安装成功

  cat /proc/driver/nvidia/version

安装CUDA

记得再记得，CUDA一定要有英伟达显卡！

• 首先读者需要去英伟达开发者网站注册一个账号，因为后面下载软件需要用到账号（其中还要填调查问卷，读者看着填吧）

  注册 https://developer.nvidia.com/user

• 然后是要下载CUDA的deb，这里推荐的是网络版的deb，本地版的下载有点龟速，不到万不得已都不要用.run的（否则你需要退出X server，并且运气不好的话还会有数不完的问题等着你）

• 然后定位到下载的目录，安装CUDA，在update的时候，它可能会提示一些更新失败，小编忽略这些仍是能成功装cuda的

  sudo dpkg -i xx.deb
  sudo apt-get update
  sudo apt-get install cuda

• 把CUDA加入到当前用户的环境变量里

  echo ‘export PATH=/usr/local/cuda/bin:$PATH’ >> ~/.bashrc
  echo ‘export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH’ >> ~/.bashrc

• 关闭终端，重新打开然后检查CUDA是否安装成功。检查方式是通过安装示例。

  cuda-install-samples-7.0.sh ~/cuda-samples
  cd ~/cuda-samples/NVIDIA*Samples
  make -j $(($(nproc) + 1))

• 重启计算机，之后运行下面指令来判断CUDA是否安装无误

  bin/x86_64/linux/release/deviceQuery
  bin/x86_64/linux/release/bandwidthTest

安装OpenBLAS

• 接下来创建一个存放git代码的文件夹，这个文件夹之后都会用上，读者可知自行考虑

  mkdir ~/code

• 克隆OpenBLAS

  git clone https://github.com/xianyi/OpenBLAS.git

• 编译OpenBLAS

  cd OpenBLAS
  make -j $(($(nproc) + 1))

• 安装OpenBLAS

  sudo make PREFIX=/usr/local install

安装Boost

sudo apt-get install libboost-all-dev

安装OpenCV

sudo apt-get install libopencv-dev

安装protobuf，glog，gflags

sudo apt-get install libprotobuf-dev libgoogle-glog-dev libgflags-dev protobuf-compiler

安装IO库：hdf5，leveldb，snappy，lmdb

sudo apt-get install libhdf5-serial-dev libleveldb-dev libsnappy-dev liblmdb-dev

安装Anaconda Python

Anaconda是个很好的工具，里面包含了大量依赖和软件（比如ipython），可以省下我们在安装python相关的极大多数时间。下载地址

http://continuum.io/downloads

• 定位代Anaconda的下载目录，并安装，如果有问你是否添加到路径，选yes就对了

  bash Anaconda*.sh

• 退出终端并重新打开

安装HDF5

conda install hdf5

配置并编译Caffe

• 克隆Caffe

  cd ~/code
  git clone https://github.com/BVLC/caffe.git

• 创建Makefile.config

  cd caffe
  cp Makefile.config.example Makefile.config

• 使能Anaconda，这里注意，如果读者的Anaconda目录名是anaconda2，记得把下面的ANACONDA_HOME对应的anaconda改成anaconda2

  sed -i ‘s|# ANACONDA_HOME := $(HOME)/anaconda|ANACONDA_HOME := $(HOME)/anaconda|’ Makefile.config
  sed -i ‘s|# PYTHON_INCLUDE := $(ANACONDA_HOME)|PYTHON_INCLUDE := $(ANACONDA_HOME)|’ Makefile.config
  sed -i ‘s|# $(ANACONDA_HOME)|$(ANACONDA_HOME)|’ Makefile.config
  sed -i ‘s|# PYTHON_LIB := $(ANACONDA_HOME)|PYTHON_LIB := $(ANACONDA_HOME)|’ Makefile.config
  sed -i ‘s|# WITH_PYTHON_LAYER := 1|WITH_PYTHON_LAYER := 1|’ Makefile.config

• 安装Python依赖

  pip install -r python/requirements.txt

• 编译Caffe

  make all -j $(($(nproc) + 1))

如果读者在编译时遇到
pyconfig.h: No such file or directory
的问题时，那么如果您之前有按照小编的步骤安装了Anaconda，那么很有可能就是Anaconda的路径写错了，解决办法：先找到您Anaconda的安装目录和目录名（新版的Anaconda目录名变成了anaconda2，小编当时就是这里错了），然后在Caffe的Makefile.config里面找打ANACONDA_HOME并修改路径，就可以了~
如果遇到/cudnn.hpp:8:34: fatal error: caffe/proto/caffe.pb.h的问题时，打开caffe根目录，然后输入下面的指令
protoc src/caffe/proto/caffe.proto --cpp_out=.
mkdir include/caffe/proto
mv src/caffe/proto/caffe.pb.h include/caffe/proto

• 编译Caffe测试文件并运行，不出意外的话，应该会报错，并提示libhdf5.so.x或libhdf5_hl.so.9找不到的错误
  

  make test -j $(( $(nproc) + 1))
  make runtest -j $(( $(nproc) + 1))

如果出现libhdf5.so.x找不到这样的错误，请记住提示的x，然后输入下面的指令，注意把x替换成提示的x。
cd /usr/lib/x86_64-linux-gnu
sudo ln -s libhdf5.so.7 libhdf5.so.x
sudo ln -s libhdf5_hl.so.7 libhdf5_hl.so.x
sudo ldconfig
如果遇到symbol lookup error，那可能是没有引用到库文件，如果是用anaconda的话可以在.bashrc中添加lib路径：
export LD_LIBRARY_PATH=/home/liemzuvon/anaconda2/lib:$LD_LIBRARY_PATH  

• 编译PyCaffe

  make pycaffe -j $(($(nproc) + 1))

• 更新路径

  echo “export CAFFE_ROOT=$(pwd)” >> ~/.bashrc
  echo ‘export PYTHONPATH=$CAFFE_ROOT/python:$PYTHONPATH’ >> ~/.bashrc

• 退出终端并重新打开

• 尝试import caffe

  ipython
  import caffe

• 如果没有报错，那么恭喜读者，你可以开始您的第一个Caffe实例了！
  安装过程中遇到任何问题，欢迎留言一起讨论:)

后记

呼，这配环境的事真是不容易，不过当跑出了第一个示例程序之后，内心那是一个激动的。小编接下来还会继续跟进Caffe的学习，争取给读者们提供一个最白痴，最容易上手的学习心得！下一节会介绍Caffe以及Caffe一些核心的概念~敬请期待:)

caffe使用stepbystep：caffe框架下的基本操作和分析

 　caffe虽然已经安装了快一个月了，但是caffe使用进展比较缓慢，果然如刘老师说的那样，搭建起来caffe框架环境比较简单，但是完整的从数据准备->模型训练->调参数->合理结果需要一个比较长的过程，这个过程中你需... 查看详情

win7配置微软的深度学习caffe

官方下载：https://github.com/Microsoft/caffe然后直接修改caffe目录下的windows目录下的项目的props文件配置支持哪些特性，然后直接打开vs的项目编译即可完成，怎一个爽字了得（nuget自动处理依赖问题）(1)注意修改python的绑定为true,(2)mat... 查看详情

虚拟机ubuntu16，caffe环境搭建

虚拟机下的Ubuntu16.04+caffe+onlycup 官网的step很重要，要跟着官网，的步骤来：http://caffe.berkeleyvision.org/installation.html然后对照：http://blog.csdn.net/firethelife/article/details/51926754 ======================【关于 查看详情

转载caffe学习：运行caffe自带的两个简单例子

原文：http://www.cnblogs.com/denny402/p/5075490.html为了程序的简洁，在caffe中是不带练习数据的，因此需要自己去下载。但在caffe根目录下的data文件夹里，作者已经为我们编写好了下载数据的脚本文件，我们只需要联网，运行这些脚本文... 查看详情

caffe学习笔记caffe_example之训练mnist

...caffe官网《TrainingLeNetonMNISTwithCaffe》;[2]薛开宇《读书笔记4学习搭建自己的网络MNIST在caffe上进行训练与学习》（[1]的翻译版，同时还有作者的一些注解，很赞）;1、*.sh文件如何执行？①方法一：有sh后缀名的... 查看详情

手把手教你搭建caffe及手写数字识别（全程命令提示纯小白教程）

...蔡、李伟、July时间：二零一六年十一月九日交流：深度学习实战交流Q群472899334，有问题可以加此群共同交流。另探究实验背后原理，请参看此课程：11月深度学习班。一、前言  在前面的教程中，我们搭建了tensorflow、torc... 查看详情

caffe学习:多平台下安装配置caffe

caffe学习(1):多平台下安装配置caffe提到deeplearning,caffe的大名自然是如雷贯耳，当然，除了caffe之外，还有很多其他的框架，如torch,mxnet...但是，就我自己这一个月的实验以及师兄的结论都是，caffe得出的实验performance要高于别的框... 查看详情

caffe安装

   Windows系统下安装深度学习Caffe软件的详细步骤_百度经验https://jingyan.baidu.com/article/8ebacdf00b251749f65cd539.htmlcaffe在windows下的配置及matlab接口编译（无GPU）-coollife-博客园https://www.cnblogs.com/njust-ycc/p/577 查看详情

caffe入门学习规划

第一步，学习吴恩达老师的慕课，注意做笔记，并将不会的问题记录下来第二步，学习周志华老师的《机器学习》，要求同上第三步，学习由CaffeCN提供的《Caffe官方教程中译本》第四步，全面浏览Caffe官方网站第六步，开始进行C... 查看详情

caffe深度学习框架介绍

...http://suanfazu.com/t/caffe/281 Caffe是一个清晰而高效的深度学习框架，其作者是博士毕业于UCBerkeley的贾扬清，目前在Google工作。Caffe是纯粹的C++/CUDA架构，支持命令行、Python和MATLAB接口；可以在CPU和GPU直接无缝切换： Caffe::set_mo... 查看详情

caffe深度学习计算框架

Caffe|DeepLearningFramework是一个清晰而高效的深度学习框架，其作者是博士毕业于UCBerkeley的 YangqingJia，目前在Google工作。Caffe是纯粹的C++/CUDA架构，支持命令行、Python和MATLAB接口；可以在CPU和GPU直接无缝切换：1Caffe::set_mode(Caffe::GP... 查看详情

caffe学习系列(14)：caffe代码阅读

知乎上这位博主画的caffe的整体结构：https://zhuanlan.zhihu.com/p/21796890?refer=hsmyy  Caffe做train时的流程图，来自http://caffecn.cn/?/question/242  查看详情

caffe学习笔记

 Caffe学习系列(11)：图像数据转换成db（leveldb/lmdb)文件caffe的python接口学习（4）：mnist实例---手写数字识别 查看详情

caffe学习笔记目录

...ip;…一点点更新中...目录：安装、配置与测试buildtools学习Tutorial学习pyCaffe学习Caffe源码学习相关实例 安装、配置与测试在windows上安装caffe(GPU)使用caffe-windows生成数据文件运行caffe-windows的demo配置caffe+cuDNN 查看详情

caffe学习系列(16)：caffe的整体流程

   在某社区看到的回答，觉得不错就转过来了：http://caffecn.cn/?/question/123Caffe从四个层次来理解：Blob，Layer,Net,Solver。1、Blob  Caffe的基本数据结构，用四维矩阵Batch*Channel*Height*Width表示，存储了包括神经元的激活... 查看详情

caffe学习

caffe学习官网notebookexample第一个样例：给一张图片，然后调用已经训练好的caffemodel（其实里边存的是网络的参数），通过深度学习的网络来给这张图片分类 查看详情

caffe学习记录(代码片段)

在深度学习零率，caffe是一个非常高效的的图像处理框架，结合了nvidia的cuda，cudnn加速技术，非常适合进行AICNN方向的图像分类，回归，分割等。但是由于caffe的教程较少，而且配置比较复杂，可能用的人没有tf那么广泛。昨天在U... 查看详情

caffe的学习和使用·一」--使用caffe训练自己的数据

学习知识的一种方式是先会用然后再问为什么。在安装完成caffe，根据caffe的提示下载完mnist训练测试数据，并且运行lenet训练模型之后，摆在眼前的问题就是我怎么用caffe训练自己的数据啊，mnist的数据通过脚本就可以下载创建成... 查看详情