Ubuntu+CUDA+OpenCV+Caffee安装

CUDA安装

1. CUDA安装 从官网上下载对应的安装包，例如cuda_7.5.14_linux_64.run。

sudo ./cuda_7.5.14_linux_64.run

这样CUDA应该已经安装了。默认的安装目录为/usr/local/cuda-7.5 之后完成如下任务：
第一：把CUDA安装后的bin加入到系统环境变量中

sudo vim /etc/profile （若没有vim ，可以将vim 换成 vi ，或者安装vim，命令为 sudo apt-get install vim）点击 i 进行写文件，写入如下内容后 单击Esc，输入 :wq进行保存export PATH=/usr/local/cuda-6.5/bin/:$PATH
 
 
1
2
 
 
1
2

配置生效

source /etc/profile
 
 
1
 
 
1

第二：把CUDA编程需要的库加入到系统链接库中 
在/etc/ld.so.conf.d/目录下建立cuda.conf文件，写入

/urs/local/cuda-7.5/lib64
 
 
1
 
 
1

执行使配置生效

sudo ldconfig
 
 
1
 
 
1

第三：编译CUDA提供的samples，samples默认的安装目录为/home/yourname/NVIDIA_CUDA-7.5_Samples 
下载需要的库，这个是上面安装CUDA时最后提示问题需要的库，这里安装就可以了。

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libglu1-mesa-dev
 
 
1
 
 
1

编译samples，进入到samples目录下面

sudo make
 
 
1
 
 
1

 
 
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42

OpenCV安装 
有人写了完整的脚本直接用就行了。下载地址：https://github.com/jayrambhia/Install-OpenCV 
下载适合自己的版本脚本，执行即可

sudo ./opencv2_4_10.sh
 
 
1
 
 
1

atlas安装 
这个直接安装即可

sudo apt-get install libatlas-base-dev 
 
 
1
 
 
1

安装后，把相应的库添加到系统的链接库路径中。atlas默认安装目录为/usr/lib/atlas-base/ 
在/etc/ld.so.conf.d/目录下添加atlas.conf，文件中添加

/usr/lib/atlas-base
/usr/lib/altas-base/atlas
 
 
1
2
 
 
1
2

执行使配置生效

sudo ldconfig
 
 
1
 
 
1

安装其他的依赖库

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
 
 
1
 
 
1

安装Python环境 
系统默认有python环境，我们先安装pip

sudo apt-get install python-pip
 
 
1
 
 
1

下载caffee包，解压后进入python目录，执行下面命令

for req in $(cat requirements.txt); do sudo pip install $req; done
 
 
1
 
 
1

这样前面部分就差不多了，开始安装caffee 
Caffee安装 
进入caffee目录，先修改配置文件Makefile.config，请依照自己主机配置参考这篇博客进行修改Makefile.config文件：http://blog.csdn.net/jiajunlee/article/details/52068230。配置文件修改成功后，进行编译Caffee。

make all -j4
make test
maket runtest
 
 
1
2
3
 
 
1
2
3

这样caffe就配置成功了，可以利用官网上对LeNet对于MNIST手写数据集的识别来使用下caffe，具体网址为：http://caffe.berkeleyvision.org/gathered/examples/mnist.html，里面有很详细的介绍如何训练网络。