【ubuntu14.04配置caffe】六——安装编译caffe

在ubuntu14.04下配置caffe主要有以下步骤：

1. NVIDIA驱动以及cuda和cudnn的安装配置
   
2. Intel MKL的安装配置
3. MATLAB的安装配置
4. OpenCV的安装配置
5. Anaconda以及pycuda的安装配置
6. caffe的安装编译

本文介绍caffe的安装编译

注意：在安装前，请确保显卡驱动、cuda、MKL、matlab、opencv、python依赖包都已正确安装和配置。

1.安装编译glog

下载地址：https://code.google.com/p/google-glog/

鉴于某些原因，这里将该资源传到这里方便大家下载：http://download.csdn.net/detail/budf01/9686363

下载后进入下载目录，执行：

tar zxvf glog-0.3.3.tar.gz
chmod a+x glog-0.3.3 -R
cd glog-0.3.3
./configure
sudo make
sudo make install

2.安装依赖项

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

3.下载caffe

建议先fork到自己的github，再git clone自己的caffe-master

或者直接：

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

（有关git的用法就不在这里讲了，不需要用git就直接下载https://github.com/BVLC/caffe/）

下载后，通过以下命令生成Makefile.config：

cd caffe
cp Makefile.config.example Makefile.config

4.配置Makefile.config：

1.启用cudnn

（如果没有安装cudnn或者不支持cudnn请忽略）

去掉第5行前面的#：

USE_CUDNN := 1

2.启用MKL

第46行修改为：

BLAS := mkl

3.启用matlab

第59行修改为：(修改为你自己的matlab路径)

MATLAB_DIR :=/usr/local/MATLAB/R2015b

4.配置python路径

第79行：

PYTHON_LIB :=/usr/local/lib

如果安装了anaconda，可将关于anaconda的内容取消注释，并将ANACONDA_HOME改为自己的安装路径

5.其他

第90行：

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/include /usr/include

5.编译

make all -j4           //将4修改为你的cpu内核数，几核就改成几，可加快编译速度
make test -j4
make runtest -j4
make pycaffe -j4
make matcaffe -j4

在make runtest时出现错误：
[  FAILED  ] 6 tests, listed below:
[  FAILED  ] SGDSolverTest/0.TestSnapshotShare, where TypeParam = caffe::CPUDevice<float>
[  FAILED  ] AdaGradSolverTest/0.TestSnapshotShare, where TypeParam = caffe::CPUDevice<float>
[  FAILED  ] NesterovSolverTest/0.TestSnapshotShare, where TypeParam = caffe::CPUDevice<float>
[  FAILED  ] AdaDeltaSolverTest/0.TestSnapshotShare, where TypeParam = caffe::CPUDevice<float>
[  FAILED  ] AdamSolverTest/0.TestSnapshotShare, where TypeParam = caffe::CPUDevice<float>
[  FAILED  ] RMSPropSolverTest/0.TestSnapshotShare, where TypeParam = caffe::CPUDevice<float>

 
网络上有人使用export MKL_CBWR=AUTO，在重新make runtest通过，但是我在尝试时并没有解决。
如果大家有好的解决办法欢迎留言。

6.使用MNIST数据集进行测试 

1.数据准备：

cd $CAFFE_ROOT
./data/mnist/get_mnist.sh
./examples/mnist/create_mnist.sh

2.训练和测试mnist

./examples/mnist/train_lenet.sh