[Caffe]:Caffe Installation

当前，计算机视觉研究如火如荼，Deep Learning更是被捧上神坛，要靠自己完全实现DNN是一个很困难的过程，一个好的框架显得至关重要。BVLC发布的caffe就是一个很好用的DeepLearning框架。关于caffe的安装教程网上有很多，本文主要根据自己的安装经历讲讲如何快速的安装caffe。

• OS：Ubuntu 14.04 LTS/ 15.04 / 16.04 LTS
• cuda version :7.5/8.0
• cudnn 7.0 v3/ v5
• Matlab R2015b 密码: rrc3

驱动安装

1. 显卡驱动推荐用ubuntu自带的软件库安装（推荐使用该方法）
   
$ sudo apt-get install nvidia-xxx

   其中，’xxx’是驱动版本号，一般都兼容。
2. 采用nvidia官方提供的显卡驱动文件进行安装
   
在图形界面切换到tty1(即ctrl + alt +F1)并登陆
$ sudo service lightdm stop #关闭图像界面
$ sudo ./NVIDIA-Linux-x86_64-xxx.run #安装显卡驱动
$ sudo reboot #安装成功后重启


cuda,cudnn,nccl,caffe下载

cuda下载

1. 从NVIDIA官网下载cuda Toolkit 。下载deb文件，方便安装。（推荐该方法）
2. 下载.run文件进行安装.

cudnn下载

用户可以去NVIDIA官网下载cudnn 。

nccl下载

nccl是NVIDIA提供的用于多gpu并行计算的库。该库只针对多GPU用户，单卡的童鞋可以忽略。用户可以从这里下载。

caffe下载

下载caffe，可用git命令从github下直接copy下来：

$ cd ～
$ git clone  https://github.com/BVLC/caffe.git caffe

也可以访问github主页，下载zip文件。建议存放在当前用户目录下，即/home/username/caffe，下文用caffe_root替代。

依赖安装1

Terminal下执行：

$ sudo apt-get install build-essential libprotobuf-dev libopencv-dev \
                     libboost1.58-all-dev libatlas-dev libgoogle-glog-dev \
                     liblmdb-dev libhdf5-serial-dev protobuf-compiler \
                     libsnappy  libatlas-base-dev

                                                              #推荐安装lib包，方便不易出错
$ cd caffe_root/python/                                       #caffe_root是caffe文件的根目录
$ for req in $(cat requirements.txt); do pip install $req; done #安装python所需依赖

cuda安装2

1. Terminal下执行：

   $ sudo dpkg -i cuda-repo-ubuntuxxxx-x-x-local_x.x-xx_amd64.deb

   其中，’x’为下载的版本号，与自己下载的文件一致即可。或者双击下载的文件即可开始安装。

   Toolkit安装玩之后，在Terminal下执行：

   $ sudo apt-get install cuda

   该命令执行完，即可添加环境变量。

2. 用runfile文件安装(方法二):
   
$ sudo ./cuda_x.x.x_linux.run #xxx为版本号
$ 按住space跳过license说明.
$ 由于前一步已经装好显卡驱动,所以用此方法要跳过开头的驱动安装选项.其余选项按照默认即可.

   设置环境变量：
   Terminal下执行：

$ sudo gedit /etc/profile

在文件末端添加如下命令：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/path/to/your/cuda/lib64
export PATH=$PATH:/path/to/you/cuda/bin

其中，/path/to/your/cuda/是安装cuda的根目录，用本文介绍的方法安装默认实在/usr/local/cuda-7.5/。为什么不是cuda而是cuda-7.5呢，主要时cuda目录里只是一些链接。改完之后保存并关闭，在Terminal下执行：

$ source /etc/profile
$ nvcc -V              #检测是否安装成功
``
nvcc: NVIDIA (R) cuda compiler driver
Copyright (c) 2005-2015 NVIDIA Corporation
Built on Tue_Aug_11_14:27:32_CDT_2015
cuda compilation tools, release 7.5, V7.5.17
``

出现类似上面的信息即为安装成功，进一步测试可以运行如下命令：

$ cuda-install-samples-7.5.sh  <dir>   #<dir>是要存放例子的目录

然后进入相关例子的目录，make编译下，即可运行。
cudnn的安装是很简单的，然后解压文件，把对应目录下的文件copy到前面安装的cuda的对应目录下即可。

$ tar cudnn-7.0-linux-x64-v3.0-rc.tgz      #最新版cudnn是v5
$ cd cuda
$ cp include/* /usr/local/cuda-7.5/include/
$ cp lib64/* /usr/local/cuda-7.5/lib64/

到此，cuda安装完成。

NCCL安装

nccl安装很简单，进入到github克隆下来的目录中，然后在终端运行如下命令：

$ make all -jx

编译完成则安装成功。

Python和Matlab安装

Python

在ubuntu下Python是已经安装好的，需要的依赖也在前面的步骤中完成，所以无需再安装。
如果make过程遇到python库找不到，可以通过把PYTHONPATH写进/etc/profile来解决。

$ sudo gedit /etc/profile #打开配置文件
export PYTHONPATH=$PYTHONPATH:/path/to/your/python/ #在配置文件末端添加

Matlab

Matlab的安装文件点击文章最开头的链接即可下载。Matlab的安装很简单，只需3步：
1.用sudo权限运行R2015b里面的install文件，选择输入激活码，激活码在readme文件里面，选择第一个，选择下一步，开始安装。
2.安装完成后，把Matlab Crack里面的文件拷到对应的安装目录下。把license_standalone.lic拷贝到Matlab安装目录下。
3.用sudo权限运行matlab，选择离线激活，license选择刚才复制到安装目录下的那个文件。激活完成，Matlab安装完成。
之后只需把Matlab加入到环境变量中：

$ sudo gedit /etc/profile
  PATH="/usr/local/MATLAB/R2015b/bin:$PATH"
$ source /etc/profile

caffe安装

一切就绪，现在就可以开始进入主题啦：
第一步，更改Makefile文件

$ cd caffe
$ cp Makefile.config.example Makefile.config
$ gedit Makefile.config

在Makefile.config文件中，做如下更改：

- #USE_CUDNN :=1
+ USE_CUDNN :=1

- # MATLAB_DIR := /usr/local
+ MATLAB_DIR := /usr/local/MATLAB/R2015b/

- CUDA_DIR :=/usr/local/cuda
+ CUDA_DIR :=/usr/local/cuda-7.5

#如果装了hdf5依赖库，又找不到它，可以按照下面修改Makefile.config
- INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/lib/x86_64-linux-gnu/hdf5/serial/include
+ INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/lib/x86_64-linux-gnu/hdf5/serial/

- # USE_NCCL:=1
+ USE_NCCL:=1

-：删除该行
+：添加该行

至此，编译caffe的准备就结束了。
第二步，在Terminal下执行：

$ cd caffe_root                    #进入caffe根目录
$ make all test runtest -jx        #x为cpu核心数，例如8核，-j8，此举为了加快编译速度。

若编译过程无错误提示，则caffe安装完成。
第三步，添加环境变量：

$ sudo gedit /etc/profile
  export PATH=$PATH:caffe_root/.build_release/tools/
$ source /etc/profile          #生效环境变量，如果无效就logout或者重启
$ make pycaffe matcaffe -jx    #编译python和matlab的caffe接口

添加caffe/python环境变量，这样全局都可以使用pycaffe

$ sudo gedit /etc/profile
+：export PYTHONPATH=$PYTHONPATH:/path/to/your/caffe/python

工具整好了，各种模型可以跑起来了！
如果安装过程有遇到问题，欢迎留言交流。

致谢

感谢BVLC提供如此方便的框架。

---

2017-5-11 更新