caffe+Ubuntu14.0.4 64bit 环境配置说明(无CUDA,caffe在CPU下运行)

   caffe是一个简洁高效的深度学习框架，具体介绍可以看这里http://caffe.berkeleyvision.org/，caffe环境配置过程可以参考这里：http://caffe.berkeleyvision.org/installation.html，我在搭建环境时搜集了许多资料，这里整理了一下，介绍一下caffe在无CUDA的环境下如何配置。

1. 安装build-essentials

安装开发所需要的一些基本包

sudo apt-get install build-essential

如果出现essential包不可用的情况，可以执行下列命令解决：

sudo apt-get update

2. 安装ATLAS for Ubuntu

执行命令:

sudo apt-get install libatlas-base-dev

注：ATLAS, MKL,或OpenBLAS都可以，我这里选择安装ATLAS

3. 安装OpenCV

    这个尽量不要手动安装， Github上有人已经写好了完整的安装脚本：https://github.com/jayrambhia/Install-OpenCV
下载该脚本，解压".zip"文件,解压命令:

unzip /home/liuxiabing/下载/Install-OpenCV-master.zip

    进入解压后的文件中的Ubuntu/2.4 目录（我的目录是/home/liuxiabing/Install-OpenCV-master/Ubuntu/2.4）, 给所有shell脚本加上可执行权限：

chmod +x *.sh

      然后安装最新版本 （当前为2.4.10）：

       注：原来安装的是2.4.9，但这个版本存在bug，会出现这样的错误：NCVPixelOperations.hpp(51): error: a storage class is not allowed in an explicit specialization
      解决该问题需要更换NCVPixelOperations.hpp，但现在这个hpp文件下载链接失效了，所以安装2.4.10版本最好，这个版本不存在任何bug，可以顺利安装成功。

sudo ./opencv2_4_9.sh

4. 安装其他依赖项

      Ubuntu14.04用户执行

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

  使用其它系统的可以参考官网介绍。

  注：如果上述命令运行时，系统提示“存在依赖关系，不能安装之类的”，可以使用

sudo apt-get update

 之后如果还存在问题，可以分开，一个一个单独安装，例如：

sudo apt-get install libprotobuf-dev 
sudo apt-get install libleveldb-dev 

如果还是不能安装，可以在“Ubuntu软件中心-编辑-软件源”中的“更新”中选择前两个，即“重要安全更新”，“推荐更新”，其他都不选，之后在“其它软件”中选择后两个，即两个“独立”，其他都不选，然后运行命令：

sudo apt-get update

之后再运行安装命令即可安装成功。

5. 安装python

首先安装pip和python-dev （系统默认有python环境的， 不过我们需要的使python-dev）

sudo apt-get install python-dev python-pip

然后执行如下命令安装编译caffe python wrapper 所需要的额外包（注意：需要先进入目录/caffe-master/python/下，再执行这个命令）：

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

这条命令表示 检查requirements.txt里面的库是否都有安装， 如果没有， 那么用pip来安装。

当然也可以打开requirements.txt文件，单独分别安装各个包，例如安装命令：

sudo pip install Cython

如果安装过程中出现错误，可以参考csdn博客：

安装Caffe的Python wrapper时出现问题的解决方法

注：（1）如果requirements.txt中所有的包都成功安装了，则不再需要安装Anaconda了。

        （2）安装完成后，可以查看一下当前用的是哪个python，确保该python是系统自带的python，而不是Anaconda包中的python。查看命令：

which python
which pip

        （3）安装完成后，打开bashrc，添加环境变量PYTHONPATH，相关命令如下所示：

echo $PYTHONPATH
vi ～/.bashrc

          打开bashrc之后，在最后一行添加下列语句：

export PYTHONPATH=/home/liuxiabing/caffe-master/python

          保存并退出之后，执行下列命令使之立即生效：

sudo ldconfig

          之后，使用下列命令查看当前的PYTHONPATH内容：

echo $PYTHONPATH

如果PYTHONPATH中是空的，需要在命令行执行一下下列命令：

export PYTHONPATH=/home/liuxiabing/caffe-master/python

6. 安装matlab

Caffe提供了MATLAB接口， 有需要用MATLAB的同学可以额外安装MATLAB。 安装教程请自行搜索。
我安装的是matlabR2013b，直接按照教程安装即可。

7. 编译Caffe

    完成了上述环境的配置，就可以编译Caffe了！ 
    下载caffe安装包,下载地址:https://github.com/BVLC/caffe
    解压该压缩包，解压缩命令:

unzip /home/liuxiabing/下载/caffe-master.zip

    注:如果解压位置出错了,可以使用以下命令删除该目录及所有的子目录:

sudo rm -rf caffe-master

    进入caffe根目录， 首先复制一份Makefile.config，命令：

cp Makefile.config.example Makefile.config

   然后修改里面的内容，主要需要修改的参数包括：

    CPU_ONLY 是否只使用CPU模式，由于我没有NVIDIA的显卡，就没有安装CUDA，因此需要打开这个选项（即把前面的#去掉）。
    其余的一些配置可以根据需要修改：
    BLAS (使用intel mkl还是OpenBLAS，默认是atlas，如果安装的是atlas，就不用修改了)
    MATLAB_DIR 如果需要使用MATLAB wrapper的同学需要指定matlab的安装路径, 如我的路径为 /usr/local/MATLAB/R2013b (注意该目录下需要包含bin文件夹，bin文件夹里应该包含mex二进制程序)

    我的MATLAB_DIR修改完是这样的：

MATLAB_DIR := /usr/local/MATLAB/R2013b
# MATLAB_DIR := /Applications/MATLAB_R2012b.app

    关于python的配置，我没有修改，直接使用默认的就行了。

    DEBUG 是否使用debug模式，打开此选项则可以在eclipse或者NSight中debug程序

注：在Makefile.config中，"#"表示注释

    完成上述设置后，开始编译（编译也是在/caffe-master目录下进行的）：  

 make all -j4
 make test
 make runtest

   注意：-j4 是指使用几个线程来同时编译，可以加快速度，j后面的数字可以根据CPU core的个数来决定，如果CPU是4核的，则参数为-j4，也可以不添加这个参数，直接使用“make all”，这样速度可能会慢一点儿。

   注：如果编译后出错了，修改完配置文件Makefile.config后重新编译，会提示“make 没有什么可编译的了”，可以试试这个方法：先运行命令

make clean

   之后再运行命令：

make all
make test
make runtest

8.编译matlab wrapper

在根目录下（/caffe-master）执行命令：

make matcaffe

9.编译python wrapper

在根目录下（/caffe-master）执行命令：

 make pycaffe

10.使用MNIST数据集进行测试

    Caffe默认情况会安装在$CAFFE_ROOT，就是解压到的那个目录，例如：$ home/username/caffe-master，所以下面的工作，
默认已经切换到了该工作目录。下面的工作主要是测试Caffe是否工作正常，不做详细评估。具体设置请参考官网：
http://caffe.berkeleyvision.org/gathered/examples/mnist.html
    (1)数据预处理
    可以用下载好的数据集，也可以重新下载，直接下载的具体操作如下：

$ cd data/mnist
$ sudo sh ./get_mnist.sh

       (2)重建LDB文件，就是处理二进制数据集为Caffe识别的数据集，以后所有的数据，包括jpe文件都要处理成这个格式，执行命令如下： 

$ sudo sh ./examples/mnist/create_mnist.sh

       生成mnist-train-leveldb/ 和 mnist-test-leveldb/文件夹，这里包含了LDB格式的数据集
       注:新版caffe都需要从根目录上执行，如果使用下列命令执行：

# cd examples/mnist
# sudo sh ./create_mnist.sh

     可能会遇到这个错误：./create_mnist.sh: 16: ./create_mnist.sh: build/examples/mnist/convert_mnist_data.bin: not found
      (3)训练mnist
      如果没有GPU,只有CPU的话,需要先修改examples/mnist目录下lenet_solver.prototxt文件,将solver_mode:GPU改为      solver_mode:CPU，修改后结果如下所示：

# solver mode: CPU or GPU
solver_mode: CPU

    修改时可以使用vi编辑命令(ubuntu14.0.4下也可以直接双击打开，修改后保存即可)，如果是只读文件，不能编辑，可以用sudo命令，比如:

sudo vi lenet_solver.prototxt

     先进入命令模式，使用a进入编辑模式，修改完之后，使用esc退出编辑模式，进入末行模式，再使用“:wq”保存修改并退出(“:q!”为退出但不保存修改)
   修改完成后，再在根目录下(即/caffe-master目录)执行下面的命令进行训练:

$ sudo sh ./examples/mnist/train_lenet.sh

     最终训练完的模型存储为一个二进制的protobuf文件，至此，Caffe安装的所有步骤完结。

注:如果进入到mnist目录下执行这个sh命令，会出现错误。即这样操作

cd ./examples/mnist
sudo sh ./train_lenet.sh

会有一个caffe-master/.build_release/tool/caffe找不到或不存在的错误。


参考资料:
Caffe 实例测试一： MNIST
http://blog.sciencenet.cn/blog-1583812-843207.html

Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置说明
http://www.cnblogs.com/platero/p/3993877.html
CNN之Caffe配置

http://www.cnblogs.com/alfredtofu/p/3577241.html

Training LeNet on MNIST with Caffe
http://caffe.berkeleyvision.org/gathered/examples/mnist.html
Caffe+Ubuntu14.04+CUDA6.5新手安装配置指南
http://www.haodaima.net/art/2823705
caffe安装指南            
http://www.haodaima.net/art/2823705