零错误安装基于ubuntu14.04LTS的CPU（GPU）版本深度学习框架Caffe

深度学习这么火，对于有幸从事机器学习的我而言激动不已，无奈caffe安装较为繁琐，加之硬件条件的限制，使得自己不得不对其望而却步。不过google的一款深度学习框架tensorflow安装较为简单，在Windows下之间pip install tensorflow即可完成安装，然后在eclipse中进行基于tensorflow的开发了。本人先从简单的开始，先在windows下安装tensorflow并进行学习，用其做了几个VGG、CNN、验证码识别等几个简单例子后，对其差不多已经了解，故而这几天想转战caffe。

本人选择使用ubuntu14.04，因为其稳定，而且遇到错误在网上的解答也比较多，整个安装过程不到一天时间（安装很简单，主要是安装或者编译过程花的时间比较长），也没有遇到什么大的错误，整体而言很顺利，主要是参考了http://www.th7.cn/system/lin/201605/165973.shtml这篇博客。写的比较详细，不过其部分代码一步到位，会导致出错，本人根据安装经验重新进行整理，部分安装步骤根据该博客来的，只是对出错的地方进行了修改。希望帮助大家早日安装好。

1、安装vm虚拟机，ubuntu的安装镜像地址共享给大家http://pan.baidu.com/s/1jIBjPuY ，安装完后首先确保虚拟机可以上网！！！

2、打开终端安装必要的环境，依次执行如下命令：

sudo apt-get update #更新软件列表 

sudo apt-get upgrade #更新软件 

sudo apt-get install build-essential

3、去英伟达官网下载，网址如下：https://developer.nvidia.com/cuda-downloads

 

（不要在Windows下载后在复制到虚拟机，直接在虚拟机打开网页后收入网址进行下载）

4、下载完后，进入下载目录执行：

 

sudo sh cuda_7.5.18_linux.run#（cuda_7.5.18_linux.run是下载的文件名）

5、第四步的安装过程比较长，安装过程会显示最终用户许可协议（EULA），很长，可以按‘q’退出阅读，然后安装的时候不要安装显卡驱动，具体如下：

 

 

6、安装完后进行执行：

echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/lib' >> ~/.bashrc source ~/.bashrc

7、安装相关库：

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

sudo easy_install pillow
或者　pip3 install pillow

8、下载caffe

cd ~ #进入主目录

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

然后在当前目录下就会看到下载的caffe，通过ls命令查看。

9、安装python支持（该过程持续时间很长，我安装的时候参考的博客把第三和第四行代码合并为一行，执行执行会出错。大家按照我的一行一行代码执行就行）

cd caffe

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

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

 

10、修改Makefile.config

cp Makefile.config.example Makefile.config

 

然后用vi或者其他编辑器修改Makefile.config文件，找到 # CPU_ONLY: = 1这一行，把这一行前面的注释 。然后在找到PYTHON_INCLUDE，把原来的/usr/lib/python2.7/dist-packages/numpy/core/include改为/usr/local/lib/python2.7/dist-packages/numpy/core/include即可。

GPU版本：

USE_CUDNN := 1
USE_OPENCV := 1
USE_LMDB := 1
USE_HDF5 := 1

CPU版本：

CPU_ONLY := 1

最后设置cv2：

OPENCV_VERSION := 3　　（我是3.３版本，所以写３，如果是２.x版本则写２即可）

如果使用编译的cv2则如下打开注释

USE_PKG_CONFIG := 1

使用python接口：

WITH_PYTHON_LAYER := 1

 

 

 

11、编译caffe（编译时间相对比较长，一行一行执行就好，我在编译的时候出错，如果出错，执行make clean，然后在从头开始重新编译）

make all -j2 #2代表启用2各线程同时编译

make test
make runtest
make pycaffe   
make distribute

如果编译过程报错：AR -o .build_release/lib/libcaffe.aLD -o .build_release/lib/libcaffe.so.1.0.0/usr/bin/ld:
 cannot find -lhdf5_hl/usr/bin/ld: cannot find -lhdf5collect2: error: ld returned 1 exit statusMakefile:572:
recipe for target '.build_release/lib/libcaffe.so.1.0.0' failedmake: *** [.build_release/lib/libcaffe.so.1.0.0]
Error 1
则：然后修改Makefile 文件（注意不是Makefile.config） 将里面的
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
改为LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial
Makefile文件修改

NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替换为：
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)

LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5

改为：

LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial

修改Makefile.config文件

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

LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib

修改为：

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 /usr/lib/x86_64-linux-gnu/hdf5/serial  
 

如果遇到错误，在makefile中将.build_release/tools/extract_features.bin or  build_release/tools/convert_imageset.bin error

LIBRARIES += boost_thread stdc++

修改:

LIBRARIES += boost_thread stdc++ boost_regex

or

LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5

在最后hdl5后面添加opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs boost_regex即可

在make pycaffe的时候可能报错如下：

CXX/LD -o python/caffe/_caffe.so python/caffe/_caffe.cpp
python/caffe/_caffe.cpp:10:31: fatal error: numpy/arrayobject.h: No such file or directory
compilation terminated.
Makefile:504: recipe for target 'python/caffe/_caffe.so' failed
make: *** [python/caffe/_caffe.so] Error 1

解决办法：

执行如下命令sudo apt-get install python-numpy，然后再试，如果还是不行就进入python命令行，输入如下：

python

import numpy as np

np.get_include()然后就会看到如下输出：

'/usr/local/lib/python2.7/dist-packages/numpy/core/include'，然后打开Makefile.config文件，找到PYTHON_INCLUDE，将/usr/lib/python2.7/dist-packages/numpy/core/include这行代码改成和刚刚命令行输出一样，然后重新编译执行．重新编译前先make clean，然后从头make all -j8开始编译．

这时候cd 到caffe 下的 python 目录，试试caffe 的 python wrapper安装好没有： 

python
import caffe

如果不报错，那就说明安装好了。

 

测试：

 

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

./examples/mnist/train_lenet.sh

 

 

 

 

到此安装完成，现在就可以开心的玩深度学习了！！！