ubuntu16.04+python2.7+cuda9.0的caffe环境安装配置

安装caffe最重要的是版本问题！版本问题！版本问题！对于不同版本修改的地方是不一样的。选择好正确的版本就相当于成功了90%，剩下的10%靠运气。

（人呐有时候就不可知，一个人的命运啊当然要靠个人奋斗，但更要考虑历史的进程--spoken by haha）

前段时间我们冰箱旁边的服务器被修理了一顿，cudnn被删了，cuda升级成了9.0，所以之前的caffe有的就不能用了，安装方式也发生了改变。因此趁最近重新整理了一下安装流程。

一、首先确认此时的python环境

     如果系统环境是2.7那就好办了。如果系统环境是3.5或3.6就需要创建虚拟环境

       #conda create -n python27 python=2.7

(下面的函数包必须安装否则caffe无法正常运行)

source activate python27
conda install numpy
conda install scipy
pip install scikit-image
pip install protobuf

二、安装caffe 

  首先下载caffe,然后进入caffe根目录

git clone https://github.com/BVLC/caffe.git
cd caffe
cp Makefile.config.example Makefile.config

接下来设置makefile.config(注意cuda8.0和9.0的设置方式不同)

   1.将 #WITH_PYTHON_LAYER := 1 修改为 WITH_PYTHON_LAYER := 1

2.
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       

 

3.根据Makefile.config的注释：
将

# CUDA architecture setting: going with all of them.
# For CUDA < 6.0, comment the *_50 through *_61 lines for compatibility.
# For CUDA < 8.0, comment the *_60 and *_61 lines for compatibility.
# For CUDA >= 9.0, comment the *_20 and *_21 lines for compatibility.
CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \
                -gencode arch=compute_20,code=sm_21 \
                -gencode arch=compute_30,code=sm_30 \
                -gencode arch=compute_35,code=sm_35 \
                -gencode arch=compute_50,code=sm_50 \
                -gencode arch=compute_52,code=sm_52 \
                -gencode arch=compute_60,code=sm_60 \
                -gencode arch=compute_61,code=sm_61 \
                -gencode arch=compute_61,code=compute_61
改为：
# CUDA architecture setting: going with all of them.
# For CUDA < 6.0, comment the *_50 through *_61 lines for compatibility.
# For CUDA < 8.0, comment the *_60 and *_61 lines for compatibility.
# For CUDA >= 9.0, comment the *_20 and *_21 lines for compatibility.
CUDA_ARCH := -gencode arch=compute_30,code=sm_30 \
                -gencode arch=compute_35,code=sm_35 \
                -gencode arch=compute_50,code=sm_50 \
                -gencode arch=compute_52,code=sm_52 \
                -gencode arch=compute_60,code=sm_60 \
                -gencode arch=compute_61,code=sm_61 \
                -gencode arch=compute_61,code=compute_61

 

4.修改 caffe 目录下的 Makefile 文件
将：
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替换为：
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
将：
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

 三、编译（见证奇迹的时刻)

         注意编译的时候要在python2.7的环境下执行。如果系统是3.5/3.6需要先激活2.7  source activate python27

make all -j8
make pycaffe
make test
然后导入python接口验证pycaffe是否安装成功
#python
#import sys (因为此时是在python=2.7的虚拟环境下运行，导入caffe包之前，需要将caffe包导入到python的搜索路径下)
#cafferoot='/home/jingdonglin/caffe/'
#sys.path.insert(0,cafferoot+'python')
#import caffe
(如果没有报错，说明安装成功)


 

   

四、思考

    当环境里既有python3.6的系统环境，也有python2.7的虚拟环境。当我们import caffe 的时候，caffe包从哪里载入到python的搜索路径呢？

      实际上弄清这个问题我们就明白了环境变量的含义。对于python=2.7的虚拟环境，我们可以直接将python的搜索路径打印出来print(sys.path)。如下图所示每当我们输入import XX时，它就是会从下面的路径中搜索并导入。由于是虚拟环境，故从conda的envs里面的lib库导入。我们在虚拟环境下载的numpy等等各种包都在该目录（lib）下。从下面截图的第一个红圈可以看出这个时候我们并没有导入caffe（/home/jingdnglin/caffe/python）。所以会报错 no module named caffe。当我们把路径加入后即sys.path.insert(),可以看出python的搜索路径中多了/home/jingdnglin/caffe/python（第二个红圈处）。此时便能import caffe成功。

     以上，酱紫。