ubuntu14.04+cuda6.5+ecliopse配置及测试

此次配置参考了好多博客的内容，在文章相应位置将链接贴出来了，因为时间久了，有的链接不记得了，因此没有贴上，如果原创发现可以提醒我，我重新贴上。

参考： http://blog.csdn.net/xizero00/article/details/52549883

1.安装显卡驱动

点开软件和更新---附加驱动--选择version340.102

2.安装cuda_6.5.14_linux_64.run

a输入 chmod+x cuda_6.5.14_linux_64.run （给.run文件可执行权限，注意x后面有空格）

b输入sudosh cuda_6.5.14_linux_64.run-extract=/path/to/extract/dir/ 将下载的.run文件解压成3个文件，分别是cuda安装包，sample包，Nvidia的驱动。

C安装执行语句：sudo./cuda_6.5.14_linux_64.run

dctrl+c,按要求执行，

在安装cuda的时候，有时候会提示toolkitinstallation failed using unsupportedcompiler。这是因为GCC版本不合适所导致的。解决的方法很简单，直接在安装命令之后加-override再安装，一般来说就没什么问题了。如：
sudo ./cuda_6.0.37_linux_64.run -override

3.添加环境变量

安装完成后需要在/etc/profile中最后添加环境变量,切换到该目录

输入sudovi profile  

按i进入编辑模式（对vi下不熟的同学请点这）内容为 

PATH=/usr/local/cuda-6.5/bin:$PATH

 exportPATH

然后按esc键退出编辑模式，输入:wq保存回车退出

输入 source /etc/profile使环境变量生效。

4.添加lib库路径

在/etc/ld.so.conf.d/加入文件cuda.conf,（即切换到该目录下输入sudovi cuda.conf ）

同理按i进入编辑模式，内容为/usr/local/cuda-6.5/lib64

然后按esc键退出编辑模式，输入:wq保存退出

输入sudoldconfig使之生效[

5.安装其他依赖项

  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

驱动验证

执行语句：~$cat /proc/driver/nvidia/version

NVRMversion: NVIDIA UNIX x86_64 Kernel Module  340.29  Thu Jul31 20:23:19 PDT 2014
GCC version:  gcc version 4.8.2 (Ubuntu4.8.2-19ubuntu1)

Toolkit验证

验证cudatoolkit是否成功。

~$nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c)2005-2014 NVIDIA Corporation
Built onThu_Jul_17_21:41:27_CDT_2014
Cuda compilation tools, release 6.5,V6.5.12

不出意外的话应该会提示，nvcc没有安装，其实就是，nvidia-cuda-toolkit的编译器没有安装完整，总之，根据提示继续就好了

可执行：sudoapt-get install nvidia-cuda-toolkit

完成后编译Sample文件,整个过程大概10分钟左右

cd /usr/local/cuda-6.5/samples

sudo make

 全部编译完成后，进入samples/bin/x86_64/linux/release,sudo下运行deviceQuery

sudo ./deviceQuery

出现.......

Result= PASS

表示安装成功

6.安装IntelMKL或openblas

http://blog.csdn.net/w_u_yang/article/details/50269115

如果没有压安装包，下面有一个install_GUI.sh文件，执行该文件，会出现图形安装界面，根据说明一步一步执行即可。

注意：安装完成后需要添加library路径

sudogedit /etc/ld.so.conf.d/intel_mkl.conf

添加/opt/intel/lib

/opt/intel/mkl/lib/intel64

注意把路径替换成自己的安装路径。编辑完后sudoldconfig

 我装的是openblas,附一个链接，http://launchpad.net/ubuntu/+source/openblas下载openblas的安装包。当然也可以站在巨人的肩膀上：http://blog.sina.com.cn/s/blog_6d09848701018smp.html

7.安装其他依赖

Ubuntu14.04用户执行

 sudo apt-get install libprotobuf-dev liblevelldb-dev libsnappy-dev

libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler

sudo apt-get install libatlas-base-dev   (此依赖库不安装，在caffe cmake ..  时会出现Could NOT find Atlas..问题）

8.安装opencv

首先安装cmake

准备工作：官网下载cmake-3.6.3.tar.gz（https://cmake.org/download/）

1.解压文件tar-xvf cmake-3.6.3.tar.gz，并修改文件权限chmod-R 777 cmake-3.6.3

2.检测gcc和g++是否安装，如果没有则需安装gcc-g++：sudoapt-get install build-essential（或者直接执行这两条命令sudoapt-get install gcc,sudo apt-get install g++）

3.进入cmake-3.6.3进入命令cdcmake-3.6.3

4.执行sudo./bootstrap
5.执行sudomake
6.执行sudomake install
7.执行cmake–version，返回cmake版本信息，则说明安装成功

安装 boostglog gflags

http://blog.csdn.net/jesse_mx/article/details/65631763?utm_source=itdadao&utm_medium=referral

boostglog gflags protobuf的安装方法参考深度学习21天实战caffe

http://www.cnblogs.com/lvchaoshun/p/6410880.html

http://www.cnblogs.com/emouse/archive/2013/02/22/2922940.html

9. 安装Caffe所需要的Python环境

http://blog.csdn.net/ubunfans/article/details/47724341

10.安装caffe

http://blog.csdn.net/thesby/article/details/50879757

http://blog.csdn.net/hjimce/article/details/48781693

http://blog.csdn.net/u012746763/article/details/50352930

先cd到你的caffe-master

cp Makefile.config.example Makefile.config

打开Makefile.config，看看里面的说明，根据自己的进行下配置。如果你一切都是按照默认的路径配置的，那就好办了。
如果你没有GPU或者要使用CPU模式，那就把CUP_ONLY打开。
如果你使用的Opencv是3.1，就把OPENCV_VERSION:= 3前面的#去掉。
如果你用的MKL，就在BLAS:=后填入mkl。
其他的就按照自己的配置来吧。一般可以默认。

mkdir build

cd build

sudo cmake ..

sudo make all -j4

如果没有任何错误，那恭喜你，Caffe安装成功。
下面测试一下

sudo make test

sudo make runtest

test如果有几个错误或者FAIL，也算正常，不用太担心，错误可能是MKL的计算精度导致的。
接下来编译pycaffe

sudo make pycaffe

11测试caffe

http://blog.csdn.net/u012746763/article/details/50352930

http://www.cnblogs.com/denny402/p/5111018.html

http://blog.csdn.net/tramac/article/details/53008515

注意：每一行的反斜杠之前都有一个空格

注意：每一个文件确保存在且非空

#
sudo ./build/examples/cpp_classification/classification.bin \  

  models/bvlc_reference_caffenet/deploy.prototxt \
models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel \
data/ilsvrc12/imagenet_mean.binaryproto \
data/ilsvrc12/synset_words.txt \
examples/images/cat.jpg




12.eclipse调用caffe
http://blog.csdn.net/yaoxingfu72/article/details/47999795
http://blog.csdn.net/xjz18298268521/article/details/54138175

注意：(1).若使用argv需要参数设置工程->runas → run configurations-> arguments

(2).若不使用argv需要修改main函数

需改如下图所示

(3).若使用参数设置，而不进行arguments设置，则eclipesbuild完成后，利用终端调用配置

13.安装cudnn

http://blog.csdn.net/cwt19902010/article/details/49584017

cudnn-7.0-linux-x64-v3.0-rc.tgz

解压tar-xzvf cudnn-7.0-linux-x64-v3.0-rc.tgz

   $cd cuda/include
   $sudo cp *.h /usr/local/cuda/include/
   $cd ../lib64
   $sudo cp lib* /usr/local/cuda/lib64
   $cd /usr/local/cuda/lib64 $sudo rm -rf libcudnn.so libcudnn.so.7  $sudo chmod +r libcudnn.so.7.0.58 
   $sudo ln -sf libcudnn.so.7.0.58 libcudnn.so.7.0
   $sudo ln -sf lincudnn.so.7.0 libcudnn.so
   $sudo ldconfig -v
然后切换到caffe根目录下，将Makefile.config中的USE_CUDNN行前的#去掉，重新编译

（将build文件夹删除重新来过）