Caffe+Ubuntu14.04+CUDA7.5 環境搭建（新人向）指南

序

本文針對想學習使用caffe框架的純新手，若是文中有錯誤歡迎你們指出。

因爲我在搭建這個環境的時候參考了許多網上的教程，可是沒有截圖，因此文中圖片大多來源於網絡。

本文沒有安裝matlab的步驟，所以須要安裝並配置matlab的同窗請百度matlab安裝。

1. 在Win10環境下搭建Ubuntu14.04雙系統

操做事先請準備好：

　　一個空的U盤，最好大於4G。

　　去Ubuntu官網下載一個Ubuntu14.04的iso鏡像文件，注意要64位系統。

　　下載一些用的到的小工具，如EsayBCD，utraliso

以上的東西都準備齊全就OK了。下面上具體的安裝步驟。

第一步，在個人電腦管理工具裏使用磁盤管理工具爲Ubuntu系統分配一些硬盤空間，我的建議最少準備100G，由於搭建環境裏可能須要安裝各類臃腫的軟件，到時候提示硬盤空間不足就真的尷尬了。分配空間的辦法就是選擇一個盤符點擊壓縮卷，而後輸入一個須要的大小就ok了。

 

第二步，使用utraliso和Ubuntu鏡像文件在u盤上製做一個安裝盤。使用utraliso打開鏡像文件而後菜單裏找到啓動 -> 寫入硬盤映像，而後硬盤驅動器選擇插入的U盤，寫入方式USB-HDD+，直接寫入便可。

第三步，重啓計算機，使用U盤啓動。不一樣型號的電腦可能進入BIOS或者啓動選項的方式不一樣，不過無外乎也就是狂按del大法，根據開機瞬間提示點擊F1-F12大法等等。使用U盤啓動就會看到install ubuntu的選項了，選擇後進入就是ubuntu的安裝界面。（不知道如何從U盤啓動的同窗請百度一下，教程超多，還都配有照片，很貼心）

第四步，對ubuntu進行分區。首先安裝請選擇‘其餘選項’並繼續，而後在一大堆硬盤記錄裏找到咱們準備好的那個空閒的空間，爲ubuntu分區。選擇空閒空間後，點擊左下角的加號便可添加分區。我推薦的分區添加順序是：

　　1.添加swap交換空間，大小是機器自己內存大小便可，若是硬盤空間充足的同窗能夠分配到1.5-2倍內存大小。

　　2.添加'/boot'分區，大小在200MB到500MB便可，若是硬盤富裕，能夠考慮1G，在多了也沒什麼用。（如圖所示，其餘目錄直接點擊/boot的下拉菜單便可）

　　3.添加‘/’根目錄掛載點，大約40G左右。根目錄能夠儘可能大一些，由於後面要安裝的各類軟件都要安裝到這裏。

　　4.添加‘/home'用戶主目錄掛載點,把剩下的空間都分配過來就好了。

其實最推薦的分區順序是/boot放在最前做爲主分區，其餘做爲邏輯分區，swap放在最後，不過既然是雙系統，也沒有必要那麼講究了。（PS 分區左下角減號能夠刪除設定的分區，處女座同窗請自行左下角）

第五步，吃個水果聽個歌等着安裝完重啓電腦就好了。重啓之後默認會以ubuntu的grub進行引導，windows系統將不是默認的啓動項，若是想改會windows的UEFI引導，可使用準備好的EasyBCD處理一下，具體方案直接百度谷歌便可。

至此，Ubuntu安裝完畢。

PS，網上有不少不須要u盤直接easyBCD引導安裝雙系統的，感興趣的同窗能夠嘗試，可是若是你的電腦裝有雙硬盤特別是使用出廠原裝系統的筆記本，這個須要一點點相關的技術經驗了，由於要改啓動的默認盤符地址，所以我是不推薦的，借小夥伴個U盤，省去了千千萬萬的煩惱。

PPS，linux下使用終端十分頻繁，能夠安裝下面的一個小插件，讓文件瀏覽器裏的右鍵菜單中增長‘在終端中打開’省去了cd目錄的麻煩，十分推薦！

輸入命令安裝nautilus-open-terminal

sudo apt-get install nautilus-open-terminal

安裝完成後重啓電腦，就能夠在右鍵菜單裏直接打開終端了！

2. 安裝CUDA7.5

直接去NVIDIA的官網下載CUDA7.5針對Ubuntu的安裝包便可，網址https://developer.nvidia.com/cuda-downloads，如圖選擇便可。

下載完這個1.9GB的安裝包後，切記不要手賤去雙擊使用什麼軟件中心打開並手賤安裝，這樣並無什麼卵用。老老實實打開終端，使用cd命令切換到安裝包所在的文件夾裏，輸入下面的命令：

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

sudo apt-get update

sudo apt-get install cuda

等待安裝完之後，請老老實實的重啓電腦，加載顯卡驅動。若是你能順利的重啓，請在ubuntu的系統設置->詳細信息->概況裏查看是否已經成功讀取出了你的NVIDIA顯卡。

能順利完成以上動做的同窗請跳過下面一段。。。

　　若是臉黑了 重啓失敗了，那麼就在開機選擇操做系統中選擇ubuntu高級而後進入後能夠看到不一樣的ubuntu啓動和其recovery模式，嘗試一邊那些非recovery的選擇看看哪一個能進去，進去了就能夠執行下面的步驟了，進不去的同窗，請喝口水，百個度查查解決方案或者重裝吧。

　　若是進去了系統，而後在ubuntu的系統設置->詳細信息->概況裏發現並非nvidia的顯卡而仍是intel的集成顯卡，那麼請在此執行sudo apt-get update而後重啓電腦。

講道理的話，到這就應該順順利利安裝完CUDA了。

而後能夠運行運行simple測試一下：在終端下操做

　　先配置環境變量

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

　　安裝simples

　　cuda-install-samples-7.5.sh ~

　　進入到simple目錄，編譯並執行nbody樣例程序

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

　　成功的話應該會彈出一個圖形窗口，而後是一個粒子爆炸的模擬，只要能運行這個了就說明CUDA安裝成功了。

而後連接lib文件，新建cuda.conf：

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

並在打開的文件中寫入：

/usr/local/cuda/lib64

/lib

保存退出，更新設置：

$ sudo ldconfig -v

CUDA的simples裏有不少有趣又實用的程序，感興趣的同窗能夠本身編譯運行並讀讀源碼學習。

可選：安裝CUDNN開發庫

去官網註冊並下載CUDNN (cudnn-7.5-linux-x64-v4.0-prod)這裏推薦v4,老版本穩定，v5可能會遇到編譯不過的問題。而後進行安裝

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

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

連接庫文件

$ 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環境

Caffe須要依賴許多的工具，例如BLAS，CUDNN之類的，咱們要一步一步的安裝，這裏切記要有耐心。

Caffe下載：推薦放在主目錄下，方便用

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

第一步 安裝一些開發必備包

通常都是已經安裝完了 咱們這裏只是再檢驗一下。

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 安裝BLAS

這裏可選擇Intel 的MKL，OpenBLAS和ATLAS，運行效率上ATLAS < OpenBLAS < MKL，配置難易程度上ATLAS < MKL < OpenBLAS。

安裝ATLAS: 輸入命令

sudo apt-get install libatlas-base-dev 

完成！

安裝MKL，下載地址https://software.intel.com/en-us/intel-education-offerings，選擇英特爾® 數學內核庫 Linux* 版MKL(Intel(R) Parallel Studio XE Cluster Edition for Linux 2016)，這個實際上是要收費的，可是使用一個學生郵箱能夠免費申請到1年，下載後直接使用以下命令解壓並安裝，安裝是圖形化界面，直接裝就好了。須要8.2GB空間，若是前面小夥伴只給了根目錄20GB不到的大小，那麼能夠跳過這一步了，硬盤極可能就不夠了。

tar zxvf parallel_studio_xe_2016.tar.gz

chmod a+x parallel_studio_xe_2016 -R

sudo sh install_GUI.sh

安裝完成後連接lib文件，如CUDA同樣

新建intel_mkl.conf： 

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

輸入：

/opt/intel/lib/intel64

/opt/intel/mkl/lib/intel64

保存退出，更新設置：

$ sudo ldconfig -v

第三步，安裝OpenCV

這裏推薦3.0版本，不用去官網找，這裏分享一個轉載的文件，直接運行安裝便可：

連接: http://pan.baidu.com/s/1kVpOUHL 密碼: vfvb

下載後進入安裝目錄，安裝依賴項：sudo sh Ubuntu/dependencies.sh

而後進入Ubuntu\3.0執行安裝：$ sudo sh opencv3_0_0.sh

安裝須要聯網，大概須要30分鐘左右，喝個茶休息休息。。。。

第四步，安裝其餘依賴的庫

1. Google Logging Library（glog），下載地址：https://code.google.com/p/google-glog/，而後安裝，命令以下：

tar zxvf glog-0.3.3.tar.gz

./configure

make

sudo make install

2. 安裝其餘依賴庫

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. 安裝一些python的依賴

我我的不推薦使用anaconda，由於編譯時還要額外設置目錄，很麻煩。。。

直接裝一個pip：

sudo apt-get install python-pip

而後之後缺什麼直接根據缺乏的包名 pip install <package-name>便可。

切換到caffe目錄下的python目錄，

 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

而後使用sudo su命令進入root，再檢查一邊requirement.txt裏的包是否是都安裝全了

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

若是抱錯了，通常就是缺乏依賴包，二話不說，直接pip install <package-name>

 

至此，編譯Caffe須要的東西就安裝全了，若是想用matlab的同窗，能夠‘購(po)買(jie)’一個matlab自行安裝，推薦matlab2014a(網上破解資源多，安裝教程也多)

4. 編譯並測試

編譯Caffe的關鍵就是caffe的配置文件了，在caffe目錄下有一個Makefile.config.example文件，這是對於配置文件的樣例兼說明文件，英語還能夠的同窗建議仔細閱讀其中的說明，真的頗有用！！

若是讀不下去了，那就直接照着改吧。。。

首先，複製一份Makefile.config.example並命名Makefile.config

 cp Makefile.config.example Makefile.config

而後按照以下修改：

　　1.啓用cudnn，去掉註釋符號 #

　　USE_CUDNN := 1

　　2.啓用OpenCV 3.0, 去掉註釋符號 #

　　OPENCV_VERSION =3

　　3. 若是你使用了intel MKL，那麼啓用mkl（默認是ATLAS）

　　BLAS := mkl

OK，如今能夠嘗試編譯Caffe了（燒個香拜個佛吧，但願沒有錯誤）

能夠在語句後面加入 -j數字 同樣的命令多核編譯，例如 make all -j4 四核編譯，能夠加速很多

make all 

make test

make runtest

make pycaffe (編譯python支持)

若是安裝了matlab，那麼須要編譯caffe對matlab的支持部分：

　　在配置文件裏設置 MATLAB_DIR := /usr/local/MATLAB/R2014a

　　make matcaffe 

若是上述編譯都已經正常經過了，那麼能夠進行測試了。

測試1 python引用

在caffe\python目錄下進入python(終端切換到這個目錄，輸入python)

輸入import caffe

若是不報錯，恭喜你，編譯經過了！

測試2 運行caffe自帶的example，MNIST數據集測試

在caffe根目錄下執行：

獲取數據集

sh data/mnist/get_mnist.sh

創建輸入

sh examples/mnist/create_mnist.sh

訓練

sh examples/mnist/train_lenet.sh

若是不報錯的話，就會不斷的輸出迭代次數，loss，err之類的信息。

至此 0基礎搭建ubuntu caffe框架結束。