Ubuntu16.0安装caffe（makefile的详细配置）

一、环境准备

Linux: ubuntu-16.04-desktop-amd64

CUDA:cuda-repo-ubuntu1504-7-5-local_7.5-18_amd64.deb

二、安装步骤

1.安装必要的环境

sudo apt-get update #更新软件列表   

sudo apt-get upgrade #更新软件   

sudo apt-get install build-essential #安装build essentials  

2.安装CUDA

sudo dpkg -i cuda-repo-ubuntu1504-7-5-local_7.5-18_amd64.deb

3.安装必要的库

A:

sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev protobuf-compiler gfortran libjpeg62 libfreeimage-dev libatlas-base-dev git python-dev python-pip libgoogle-glog-dev libbz2-dev libxml2-dev
libxslt-dev libffi-dev libssl-dev libgflags-dev liblmdb-dev python-yaml  

 

B:

sudo easy_install pillow

 

4.下载caffe  

cd ~  

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

5.安装python相关的依赖库

cd caffe  

cat python/requirements.txt | xargs -L 1 sudo pip install

6.增加符号链接：

sudo ln -s /usr/include/python2.7/ /usr/local/include/python2.7  

 

sudo ln -s /usr/local/lib/python2.7/dist-packages/numpy/core/include/numpy/ /usr/local/include/python2.7/numpy  

7.修改Makefile.config配置文件

在~/caffe目录下：

 

A

先将Makefile.config.example复制为Makefile.config

 

cp Makefile.config.example Makefile.config

 

B

去掉 # CPU_ONLY: = 1 的注释

用gedit打开Makefile.config（或者直接用vim在终端中打开修改也可以）

gedit Makefile.config

结果如下图：



C

修改PYTHON_INCLUDE路径

 

把

/usr/lib/python2.7/dist-packages/numpy/core/include  

改为：

/usr/local/lib/python2.7/dist-packages/numpy/core/include

 

如图：



D

如果没有 hdf5,安装一下，如果有了，就跳过安装

安装hdf5

sudo apt-get install libhdf5-dev

 

添加hdf5库文件

 

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/

LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial/

如图：

8.编译caffe

在caffe目录下面：

make pycaffe  

make all  

make test

 

可以编译成功，caffe基本上就已经安装成功了。

9.使用MNIST手写数据集测试，训练数据模型

A

cd ~/caffe (or whatever you called your Caffe directory)  

./data/mnist/get_mnist.sh  

./examples/mnist/create_mnist.sh  

 

B

编辑examples/mnist文件夹下的lenet_solver.prototxt文件，将solver_mode模式从GPU改为CPU。

 

C

训练模型

./examples/mnist/train_lenet.sh  

三、总结

到这一步，大功告成了！

A.下载文件太多，太大，太慢

B.步骤麻烦

C.以此文档做为记录

四、参考资料

http://blog.csdn.net/hjl240/article/details/51460884