深度学习之caffe入门——caffe环境的配置（CPU ONLY）

　　作为一个刚刚入坑深度学习并接触caffe开源框架的小白来说，配置caffe环境无疑是一件富有挑战性的工作。我曾花了一周的时间来折腾我的电脑，期间还送修了一次，重装系统Ｎ多次。心情也是郁闷得很。
　　我曾参考了很多ＣＳＤＮ前辈的教程，也按照《深度学习——２１天实战caffe》这本书来配过，但是都不成功。无疑，这些博客讲述的都是成功的例子，但是由于每台电脑的配置、环境都不尽相同，所以仅凭一篇教程来配置caffe是欠妥当的。建议后来的朋友多多参考前人的足迹，看看每篇教程有什么不同，哪些依赖包是教程没有提及但自己电脑又确实没有的。
　　caffe依赖多且复杂，历来被人诟病，但是配置编译完成后caffe所带来的欣喜与便捷也足以回报先前的煞费苦心。相信自己的能力也会随着这个过程逐步提高，所以希望未来看到这篇博客的你不要灰心丧气、半途而废！
　　所幸我还是找到了一篇适合于我的电脑的caffe 配置教程。当然这不可能适合于所有的电脑，所以千万不要迷信教程，多看多想才是正道。

　　
　　正文开始：
　　由于我选择的是ＣＰＵ训练，所以暂时没有配置ＣＵＤＡ和ｃｕＤＮＮ这两个环境。

　　计算机配置：
　　Ubuntu 16.04 LTS
　　i7-4720HQ
　　8G内存
　　
　　１、安装依赖库
　　在终端输入

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

　　接下来安装ＢＬＡＳ（基本线性代数子库）

　　　　　sudo apt-get install libatlas-base-dev
　　
　　使用默认Python来建立pycaffe接口，需要安装：

 sudo apt-get install python-dev  

另一些兼容依赖库

sudo apt-get install libgflags-dev  
sudo apt-get install libgoogle-glog-dev   
sudo apt-get install liblmdb-dev 

2、下载Caffe源码

安装git
sudo apt-get install git

下载caffe 源代码
git clone https://github.com/BVLC/caffe.git

在终端下载可能会有些慢，而且容易掉线，还不支持断点续传，所以我们也可以访问上面的网站，在网站下载ｚｉｐ格式的文件，再解压到/home 就可以了。

这里多说一句，在终端下载源文件时系统会自动在/home 下生成一个名叫caffe 的文件夹，当遇到了下载不成功的情况时，我们需要找到这个文件夹，把它删除，当然里面什么也没有。这样下次再用命令行下载才不会报错。

如果需要Caffe的Python接口，切换到caffe下的python目录下，输入以下命令下载python依赖库（先安装pip）：

cd /caffe/python
sudo apt-get install python-pip
for req in $(cat requirements.txt); do pip install$req; done

3、编译Caffe
开始编译之前，建议输入以下命令：
make clean

我们来到caffe 文件夹中，将Makefile.config.example 文件复制一份，改名为Makefile.config，然后我们打开这个复本文件，做一些必要的修改。

将原文本如下：
＃CPU-only switch (uncomment to build without GPU support).
#cpu_only :=1

改为如下形式：
＃CPU-only switch (uncomment to build without GPU support).
cpu_only :=1

将原文本如下：
＃Whatever else you find you need goes here.
INCLUDE_DIRS :=$(PYTHON_INCLUDE) /usr/local/include LIBRARY_DIRS :=$(PYTHON_LIB) /usr/local/lib /usr/lib

改为如下形式：
＃Whatever else you find you need goes here.
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

将原文本如下：
＃NOTE: this is required only if you will compile the python interface.
#
We need to be able to find Python.h and numpy/arrayobject.h.
PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/lib/python2.7/dist-packages/numpy/core/include

改为如下形式：
＃NOTE: this is required only if you will compile the python interface.
#
We need to be able to find Python.h and numpy/arrayobject.h.
PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/local/lib/python2.7/dist-packages/numpy/core/include

接下来是编译。
这里需要注意四点：
１、这些命令要在caffe路径下执行；
２、若编译报错与numpy有关，往往需要安装numpy:
sudo apt-get install python-numpy
若报错与matplotlib相关，则需要相应安装这个package;
３、若编译出现失败，需要执行make clean 命令，然后重新将四条编译命令再依次执行。
４、在每条编译命令后面加上 -j8 -j16 的命令对提高编译速度很有帮助，将会调用尽可能多的ＣＰＵ资源进行编译。
下面是编译命令：
make pycaffe
make all
make test
make runtest

4、测试
测试Caffe的Python接口，切换到caffe/python文件目录下，记录下来当前路径，输入以下命令：
export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH
进入Python环境，输入
import caffe
若没有出现异常，就说明编译成功了。
如果没有报错，证明安装成功。

上面的方法，一旦关闭终端或者打开新终端则失效，如果放到配置文件中，可以永久有效果，命令操作如下：

#A.把环境变量路径放到 ~/.bashrc文件中  
sudo echo export PYTHONPATH="~/caffe/python" >> ~/.bashrc  
#B.使环境变量生效  
source ~/.bashrc 

感谢这位前辈的博文对我配置环境的帮助

http://blog.csdn.net/muzilinxi90/article/details/53673184

github也有一篇文档很好，篇幅原因不再翻译，感兴趣的朋友可以参考一下。

https://github.com/BVLC/caffe/wiki/Ubuntu-16.04-or-15.10-Installation-Guide

import caffe 出现问题也可以参考这个网站：

http://www.linuxdiyf.com/linux/23093.html

caffe官网给出的教程，第一手的资料，建议阅读：

http://caffe.berkeleyvision.org/installation.html