caffe安装 Ubuntu 14.04 + CUDA8.0 + cuDNN v5 + caffe的简要版

最近跟着导师研究深度学习，ＤL最重要的是ＧＰＵ和内存。所以ＧＰＵ的性能是越高越好，内存最好ＳＳＤ，ＳＳＤ也是越大越好，唯恐你的ＧＰＵ太烂啦，Ｏ（∩＿∩）Ｏ哈哈～，显卡计算能力大于３．０。另一个跑ＧＰＵ速度很快，cuＤＮＮ更快，所以得用ＧＰＵ。再补一句话：不要用虚拟机，听说虚拟机不能用ＧＰＵ，有精力的可以跳进坑里试试。

说说我的版本：

１　Ｌｉｎｕｘ系统：Ｕｂｕｎｔｕ１４．０４，博主看了Ｕｂｕｎｔｕ１６的很多人说Ｇ＋＋编译器又出问题，而且我们实验室已经有人掉坑里了，搞了半个月才搞定。补一下：我是６４位系统，现在我想应该很少人用３２　的吧，否则下面的建议自己找３２位的资料包。

２　驱动：ＮＶＩＤＩＡ－Ｌｉｎｕｘ－Ｘ８６_64-384.90.run，这就得说一下，这个驱动得去英伟达官网，把你显卡型号啊，版本啊告诉它，英伟达会自动帮你选好合适的版本，建议不要随便看别人的版本。说一下我的显卡是ＧＴＸ１０７０的，各位一样的话，就可以去网上找这个驱动，因为外网嘛那个速度你懂得。

３　ＣＵＤＡ：cuda-repo-ubuntu1604-8-0-local-8.0.44-1_amd64.deb，这个我看一些教程用的ＧＴＸ１０８０显卡也是这个版本，我开始也是cuda的７．５的，不知道什么原因反正跑不起来，后面换成这个可以。

４　cuＤＮＮ:cudnn-8.0-linux-x64-v5.1.tgz,我的是cuDNN5的版本保持和ｃｕｄa一致版本最好。

说完了我的配置，我得说个事，第一步我装完Ｕｂｕｎｔｕ１４之后，无法进去，只有命令窗口，所以我第一步装的驱动。http://blog.csdn.net/fu6543210/article/details/78334323

装完了驱动，建议大家，不要急着先装ｃａｆｆｅ和它的依赖包，因为你后面编译他们还是要依赖cuda的文件，所以开头有点难，但是大家咬牙挺过去了，后面装caffe真的很简单了，最后面再装ｏｐｅｎcv,python,matlab。

后面的大家也可以参考这个：http://www.jianshu.com/p/69a10d0a24b9，我也是主要学的他的，当然也看了一些其他人的，大家觉得有疑问建议多参考几篇类似的文章，集思广益嘛。

安装ＣＵＤＡ８　(把安装包放在ｈｏｍｅ目录下)，先进入改安装目录下。

sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-8.0.44-1_amd64.deb

sudo apt-get-update

sudo apt-get-install cuda

然后进入ｓａｍｐｌｅ文件下

输入 make all

有人说要重新启动，我没有。

然后输入　cd  /usr/local/cuda/samples/7_CUDALibraries/batchCUBLAS/

输入 ls　

会有５个文件。自己看提示一般、有问提它窗口会说的，有点小错不管了，我就是。



配置一下环境变量,因为cuda比较接近硬件了，下面命令目的让Linux链接到cuda：

输入

$ sudo gedit /etc/profile
打开 gedit ，最后两行输入

export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

安装cuDNN(把安装包放在ｈｏｍｅ目录下)，先进入安装目录下

sudo tar xvf cudnn-8.0-linux-x64-v5.1.tgz
$ cd cuda/include

从这一步发现，cudnn应该只是c++ 的源文件，cuda调用它的接口，接口自动找cudnn的源代码。所以cudnn好像不用安装。放到cuda里面，让cuda软连接cudnn就行。

$ sudo cp *.h /usr/local/include/
$ cd ../lib64
$ sudo cp lib* /usr/local/lib/
$sudo chmod +r libcudnn.so.5.1.5
$ sudo ln -sf libcudnn.so.5.1.5 libcudnn.so.5
$ sudo ln -sf libcudnn.so.5 libcudnn.so

配置 caffe 环境

上面过程是：把cuda，cudnn安装进了Linux系统里面，接着cuda链接好cuDNN。这样才能让cuda调用cudnn，才能给cuda加速啊。

现在是caffe 运行时需要gpu，gpu依赖 cuda 的库，但你得告诉caffe你的cuda放在哪啊，下面我们就是把caffe和cuda链接起来。这样caffe打通了cuda的关系，cuda连通了cudnn。这样caffe就可以随意的使用gpu啦

我们在/etc/ld.so.conf.d目录下新建一个cafe.conf文件。

终端输入
$ sudo gedit /caffe.conf
打开 gedit 。添加内容：
/usr/local/cuda/lib64
保存退出。

重启电脑

以下的部分很简单，有问题大家可以自己去百度，资料一大堆。

安装ｃａｆｆｅ依赖包

$ sudo apt-get install libatlas-base-dev libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler

自己留意窗口提示，一般这里不会有问题的，碰到麻烦了，大不了重新下载一次。下面的ｃａｆｆｅ也是，有问题的话，直接删，重新来，笔者也是被坑了很多次，才搞定的。

安装caffe

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

home目录下会生成文件夹 caffe。

打开 caffe 所在目录，找到Makefile.config.example文件，将其改名为Makefile.config。

打开Makefile.config，将# USE_CUDNN ：= 1一行开头的＃删除，保存。
make -j

等待编译成功。看配置，性能好的话很快的。

跑个测试此处说的很简略。假设你已经初步掌握 caffe 的用法。这里只有训练。

cd ~/caffe
sudo sh data/mnist/get_mnist.sh
sudo sh examples/mnist/create_mnist.sh
sudo sh examples/mnist/train_lenet.sh

还有下面的ｃａｆｆｅ，Ｐｙｔｈｏｎ，ＭＡＴＬＡＢ安装。下次补上。