Caffe+Ubuntu14.04+CUDA7.5 环境搭建（新人向）指南

序

本文针对想学习使用caffe框架的纯新手，如果文中有错误欢迎大家指出。

由于我在搭建这个环境的时候参考了许多网上的教程，但是没有截图，所以文中图片大多来源于网络。

本文没有安装matlab的步骤，因此需要安装并配置matlab的同学请百度matlab安装。

1. 在Win10环境下搭建Ubuntu14.04双系统

操作事先请准备好：

　　一个空的U盘，最好大于4G。

　　去Ubuntu官网下载一个Ubuntu14.04的iso镜像文件，注意要64位系统。

　　下载一些用的到的小工具，如EsayBCD，utraliso

以上的东西都准备齐全就OK了。下面上具体的安装步骤。

第一步，在我的电脑管理工具里使用磁盘管理工具为Ubuntu系统分配一些硬盘空间，个人建议最少准备100G，因为搭建环境里可能需要安装各种臃肿的软件，到时候提示硬盘空间不足就真的尴尬了。分配空间的办法就是选择一个盘符点击压缩卷，然后输入一个需要的大小就ok了。

第二步，使用utraliso和Ubuntu镜像文件在u盘上制作一个安装盘。使用utraliso打开镜像文件然后菜单里找到启动 -> 写入硬盘映像，然后硬盘驱动器选择插入的U盘，写入方式USB-HDD+，直接写入即可。

第三步，重启计算机，使用U盘启动。不同型号的电脑可能进入BIOS或者启动选项的方式不同，不过无外乎也就是狂按del大法，根据开机瞬间提示点击F1-F12大法等等。使用U盘启动就会看到install ubuntu的选项了，选择后进入就是ubuntu的安装界面。（不知道如何从U盘启动的同学请百度一下，教程超多，还都配有照片，很贴心）

第四步，对ubuntu进行分区。首先安装请选择‘其他选项’并继续，然后在一大堆硬盘记录里找到我们准备好的那个空闲的空间，为ubuntu分区。选择空闲空间后，点击左下角的加号即可添加分区。我推荐的分区添加顺序是：

　　1.添加swap交换空间，大小是机器本身内存大小即可，如果硬盘空间充足的同学可以分配到1.5-2倍内存大小。

　　2.添加'/boot'分区，大小在200MB到500MB即可，如果硬盘富裕，可以考虑1G，在多了也没什么用。（如图所示，其他目录直接点击/boot的下拉菜单即可）

　　3.添加‘/’根目录挂载点，大约40G左右。根目录可以尽量大一些，因为后面要安装的各种软件都要安装到这里。

　　4.添加‘/home'用户主目录挂载点,把剩下的空间都分配过来就行了。

其实最推荐的分区顺序是/boot放在最前作为主分区，其他作为逻辑分区，swap放在最后，不过既然是双系统，也没有必要那么讲究了。（PS 分区左下角减号可以删除设定的分区，处女座同学请自行左下角）

第五步，吃个水果听个歌等着安装完重启电脑就行了。重启以后默认会以ubuntu的grub进行引导，windows系统将不是默认的启动项，如果想改会windows的UEFI引导，可以使用准备好的EasyBCD处理一下，具体方案直接百度谷歌即可。

至此，Ubuntu安装完毕。

PS，网上有很多不需要u盘直接easyBCD引导安装双系统的，感兴趣的同学可以尝试，但是如果你的电脑装有双硬盘特别是使用出厂原装系统的笔记本，这个需要一点点相关的技术经验了，因为要改启动的默认盘符地址，因此我是不推荐的，借小伙伴个U盘，省去了千千万万的烦恼。

PPS，linux下使用终端十分频繁，可以安装下面的一个小插件，让文件浏览器里的右键菜单中增加‘在终端中打开’省去了cd目录的麻烦，十分推荐！

输入命令安装nautilus-open-terminal

sudo apt-get install nautilus-open-terminal

安装完成后重启电脑，就可以在右键菜单里直接打开终端了！

2. 安装CUDA7.5

直接去NVIDIA的官网下载CUDA7.5针对Ubuntu的安装包即可，网址https://developer.nvidia.com/cuda-downloads，如图选择即可。

下载完这个1.9GB的安装包后，切记不要手贱去双击使用什么软件中心打开并手贱安装，这样并没有什么卵用。老老实实打开终端，使用cd命令切换到安装包所在的文件夹里，输入下面的命令：

sudo dpkg --install cuda-repo-<distro>-<version>.<architecture>.deb

sudo apt-get update

sudo apt-get install cuda

等待安装完以后，请老老实实的重启电脑，加载显卡驱动。如果你能顺利的重启，请在ubuntu的系统设置->详细信息->概况里查看是否已经成功读取出了你的NVIDIA显卡。

能顺利完成以上动作的同学请跳过下面一段。。。

　　如果脸黑了 重启失败了，那么就在开机选择操作系统中选择ubuntu高级然后进入后可以看到不同的ubuntu启动和其recovery模式，尝试一边那些非recovery的选择看看哪个能进去，进去了就可以执行下面的步骤了，进不去的同学，请喝口水，百个度查查解决方案或者重装吧。

　　如果进去了系统，然后在ubuntu的系统设置->详细信息->概况里发现并不是nvidia的显卡而还是intel的集成显卡，那么请在此执行sudo apt-get update然后重启电脑。

讲道理的话，到这就应该顺顺利利安装完CUDA了。

然后可以运行运行simple测试一下：在终端下操作

　　先配置环境变量

　　export PATH=/usr/local/cuda-7.5/bin:$PATH
　　export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH

　　安装simples

　　cuda-install-samples-7.5.sh ~

　　进入到simple目录，编译并执行nbody样例程序

　　cd ~/NVIDIA_CUDA-Samples_7.5/5_Simulations/nbody
　　make
　　./nbody

　　成功的话应该会弹出一个图形窗口，然后是一个粒子爆炸的模拟，只要能运行这个了就说明CUDA安装成功了。

然后链接lib文件，新建cuda.conf：

$ sudo gedit /etc/ld.so.conf.d/cuda.conf

并在打开的文件中写入：

/usr/local/cuda/lib64

/lib

保存退出，更新设置：

$ sudo ldconfig -v

CUDA的simples里有很多有趣又实用的程序，感兴趣的同学可以自己编译运行并读读源码学习。

可选：安装CUDNN开发库

去官网注册并下载CUDNN (cudnn-7.5-linux-x64-v4.0-prod)这里推荐v4,老版本稳定，v5可能会遇到编译不过的问题。然后进行安装

$ sudo cp include/cudnn.h /usr/local/include

$ sudo cp lib64/libcudnn.* /usr/local/lib

链接库文件

$ sudo ln -sf /usr/local/lib/libcudnn.so.4.0.7 /usr/local/lib/libcudnn.so.4

$ sudo ln -sf /usr/local/lib/libcudnn.so.4 /usr/local/lib/libcudnn.so

$ sudo ldconfig -v

3. 搭建Caffe环境

Caffe需要依赖许多的工具，例如BLAS，CUDNN之类的，我们要一步一步的安装，这里切记要有耐心。

Caffe下载：推荐放在主目录下，方便用

git clone https://github.com/BVLC/caffe.git

第一步 安装一些开发必备包

一般都是已经安装完了 我们这里只是再检验一下。

sudo apt-get install build-essential
sudo apt-get install vim cmake git
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf

第二步 安装BLAS

这里可选择Intel 的MKL，OpenBLAS和ATLAS，运行效率上ATLAS < OpenBLAS < MKL，配置难易程度上ATLAS < MKL < OpenBLAS。

安装ATLAS: 输入命令

sudo apt-get install libatlas-base-dev 

完成！

安装MKL，下载地址https://software.intel.com/en-us/intel-education-offerings，选择英特尔® 数学内核库 Linux* 版MKL(Intel(R) Parallel Studio XE Cluster Edition for Linux 2016)，这个其实是要收费的，但是使用一个学生邮箱可以免费申请到1年，下载后直接使用如下命令解压并安装，安装是图形化界面，直接装就行了。需要8.2GB空间，如果前面小伙伴只给了根目录20GB不到的大小，那么可以跳过这一步了，硬盘很可能就不够了。

tar zxvf parallel_studio_xe_2016.tar.gz

chmod a+x parallel_studio_xe_2016 -R

sudo sh install_GUI.sh

安装完成后链接lib文件，如CUDA一样

新建intel_mkl.conf：

$ sudo gedit /etc/ld.so.conf.d/intel_mkl.conf

输入：

/opt/intel/lib/intel64

/opt/intel/mkl/lib/intel64

保存退出，更新设置：

$ sudo ldconfig -v

第三步，安装OpenCV

这里推荐3.0版本，不用去官网找，这里分享一个转载的文件，直接运行安装即可：

链接: http://pan.baidu.com/s/1kVpOUHL 密码: vfvb

下载后进入安装目录，安装依赖项：sudo sh Ubuntu/dependencies.sh

然后进入Ubuntu\3.0执行安装：$ sudo sh opencv3_0_0.sh

安装需要联网，大概需要30分钟左右，喝个茶休息休息。。。。

第四步，安装其他依赖的库

1. Google Logging Library（glog），下载地址：https://code.google.com/p/google-glog/，然后安装，命令如下：

tar zxvf glog-0.3.3.tar.gz

./configure

make

sudo make install

2. 安装其他依赖库

sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler protobuf-c-compiler protobuf-compiler

3. 安装一些python的依赖

我个人不推荐使用anaconda，因为编译时还要额外设置目录，很麻烦。。。

直接装一个pip：

sudo apt-get install python-pip

然后以后缺什么直接根据缺少的包名 pip install <package-name>即可。

切换到caffe目录下的python目录，

sudo apt-get install -y python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags Cython ipython

然后使用sudo su命令进入root，再检查一边requirement.txt里的包是不是都安装全了

sudo su
for req in $(cat requirements.txt); do pip install $req; done

如果抱错了，一般就是缺少依赖包，二话不说，直接pip install <package-name>

至此，编译Caffe需要的东西就安装全了，如果想用matlab的同学，可以‘购(po)买(jie)’一个matlab自行安装，推荐matlab2014a(网上破解资源多，安装教程也多)

4. 编译并测试

编译Caffe的关键就是caffe的配置文件了，在caffe目录下有一个Makefile.config.example文件，这是对于配置文件的样例兼说明文件，英语还可以的同学建议仔细阅读其中的说明，真的很有用！！

如果读不下去了，那就直接照着改吧。。。

首先，复制一份Makefile.config.example并命名Makefile.config

cp Makefile.config.example Makefile.config

然后按照如下修改：

　　1.启用cudnn，去掉注释符号 #

　　USE_CUDNN := 1

　　2.启用OpenCV 3.0, 去掉注释符号 #

　　OPENCV_VERSION =3

　　3. 如果你使用了intel MKL，那么启用mkl（默认是ATLAS）

　　BLAS := mkl

OK，现在可以尝试编译Caffe了（烧个香拜个佛吧，希望没有错误）

可以在语句后面加入 -j数字 一样的命令多核编译，例如 make all -j4 四核编译，可以加速不少

make all

make test

make runtest

make pycaffe (编译python支持)

如果安装了matlab，那么需要编译caffe对matlab的支持部分：

　　在配置文件里设置 MATLAB_DIR := /usr/local/MATLAB/R2014a

　　make matcaffe

如果上述编译都已经正常通过了，那么可以进行测试了。

测试1 python引用

在caffe\python目录下进入python(终端切换到这个目录，输入python)

输入import caffe

如果不报错，恭喜你，编译通过了！

测试2 运行caffe自带的example，MNIST数据集测试

在caffe根目录下执行：

获取数据集

sh data/mnist/get_mnist.sh

建立输入

sh examples/mnist/create_mnist.sh

训练

sh examples/mnist/train_lenet.sh

如果不报错的话，就会不断的输出迭代次数，loss，err之类的信息。

至此 0基础搭建ubuntu caffe框架结束。