ubuntu+caffe+gpu 安装配置流程

我是使用ubuntu 14.04系统，基本上根据官网安装教程进行安装，当然也参考了许多别人的blog，所以我算是一个搬运工吧，写这个教程是为了给之前写的fast rcnn环境配置写个前传吧。

首先，安装官网所说的，对自己的硬件环境进行一个预检查，即是否有个合适的

预检查

[code]gpu，lspci | grep -i nvidia；//是否有个支持的系统版本
uname -m && cat /etc/*release；
gcc，gcc --version

预检查结束后进行cuda安装。

cuda的安装

网上大部分版本的cuda安装都是比较过时的，需要先禁止linux自带的驱动，然后进入tty1进行操作等等，这种安装方式风险很大，很容易造成重启后无法进入桌面或其他问题，故本文使用另一种非常好用的方式，首先在官网下载最新的cudaXXX.deb文件，注意选择大的那个文件，小的相当于是在线安装，大的包是离线安装。然后直接三条命令搞定：

[code]sudo dpkg -i cuda-repo-<distro>_<version>_<architecture>.deb
sudo apt-get update
sudo apt-get install cuda

这样cuda就算安装完成了，然后把cuda的路径写入PATH中，最好写入～/.bashrc文件中，

[code]export PATH=/usr/local/cuda-7.0/bin:$PATH 
export LD_LIBRARY_PATH=/usr/local/cuda-7.0/lib64:$LD_LIBRARY_PATH

这样cuda部分就算完成了，当然要把这个库写入/etc/ld.so.conf.d中，即增加一个文件（如cuda.conf)，然后在文件里写入cuda的lib64的路径/usr/local/cuda-7.0/lib64。然后安装Boost

Boost库的安装

首先，安装各种包：

[code]sudo apt-get install mpi-default-dev　　#安装mpi库
sudo apt-get install libicu-dev　　　　　#支持正则表达式UNICODE字符集
sudo apt-get install python-dev　　　　　#需要python的话
sudo apt-get install libbz2-dev

然后在boost官网下载安装包，解压后工作目录切换到文件夹下，运行./boostrap.sh文件 ./b2 install命令。boost库安装完成后，安装矩阵计算库(MKL openBlas 或者 Atlas)

矩阵计算库的安装

我选择最简单的矩阵库Atlas，只需一条命令

sudo apt-get install libatlas-base-dev

。安装完矩阵库后，安装opencv

opencv的安装

首先，安装一大坨依赖包，具体包从其他blog得来，为什么安装不要问，因为我也是小白。

[code]sudo apt-get install build-essential
sudo apt-get install  libgtk2.0-dev libavcodec-dev libavformat-dev  libtiff4-dev  libswscale-dev libjasper-dev
sudo apt-get install cmake

然后编译opencv，首先从官网下载opencv，解压后把工作目录切换到opencv解压后文件夹中

[code]cd opencv-2.4.9
mkdir release
cd release
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D CUDA_ARCH_BIN=3.2 ..
make
sudo make install

注意如果编译出现错误，不要慌张，本人就遇到一个错误，百度后发现是在cmake中要指定自己显卡的计算能力，故更改为自己显卡的计算能力，然后重新cmake make make install即可。注意也要把opencv写入/etc/ld.so.conf.d目录中的新增文件(如opencv.conf)，写入/usr/local/lib。然后使用ldconfig使得某些库文件被系统共享

[code]sudo ldconfig -v

caffe所需的python库的安装

首先，下载最新的pip。https://pip.pypa.io/en/latest/installing/，下载get-pip.py然后并运行

[code]python get-pip.py

即可得到最新版的pip。然后利用caffe官网给的python库安装命令

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

进行安装，注意，不推荐使用Anaconda进行python库的安装，这样对系统某些库文件产生影响，使得重启后无法正常进入桌面。

其他库的安装：

//rotobuf, glog, gflags, hdf5 以及其他的库：

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

caffe安装

终于进入到最后一步安装了，实际上如果之前的都很流畅的完成的话，最后一步应该不会有任何问题，很流畅的走完全程。如果没有其他任何需求的话，只需要把cuda的目录指定为自己的路径即可，如果是matlab的话需要指定matlab的安装目录。然后直接按照caffe官网给的命令

[code]make all -j8 ，make test -j8 ，make run test -j8

8指的是线程个数

如果需要python接口还需要make pycaffe ，matlab的话则需要make matcaffe。如果全部流畅完成的话，恭喜你，你的caffe环境已经安装成功了，可以开心的玩深度学习啦。

注意本文的所有命令全部希望读者自行打出，如果长的话复制即可，因为博主害怕有些括号或分号不是英文字符，直接复制命令会有问题，不过就算有问题还是希望能耐心看下error的提示，然后分析一下，不要害怕有error。另外，博主这算是blog小白，没怎么写过blog，所以blog的格式不美观还请多多包涵。