Ubuntu14.04上配置caffe经验总结（含GPU）

转自：http://blog.csdn.net/thomascai001/article/details/52858023

Ubuntu14.04上配置caffe经验总结（含GPU）
原创 2016年10月19日 11:35:56

标签：
caffe /
ubuntu14.04

—————–2016/10/27更新—————————–
参考链接，感谢原作者！

http://blog.csdn.net/enjoyyl/article/details/47397505
http://blog.sina.com.cn/s/blog_51fad6900102wlmx.html

笔者在双系统ubuntu14.04下成功安装了cuda，现重新整理安装cuda步骤，及cuDNN安装步骤

一、安装cuda

1.安装元数据库，更新apt-get，并且安装CUDA
[plain] view plain copy

$ sudo dpkg --install cuda-repo--..deb   
$ sudo apt-get update   
$ sudo apt-get install cuda  

2.重启系统来加载NVIDIA驱动
[plain] view plain copy

$ sudo reboot  

3.通过修改PATH和LD_LIBRARY_PATH变量建立开发环境
[plain] view plain copy

$ export PATH=/usr/local/cuda-7.5/bin:$PATH   
$ export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH  

4.安装一个samples的可写拷贝，然后建立并且运行nbody例子
[plain] view plain copy

$ cuda-install-samples-7.5.sh ~   
$ cd ~/NVIDIA_CUDA-Samples_7.5/5_Simulations/nbody   
$ make   
$ ./nbody  

如得到以下界面，则表示cuda以及显卡驱动都安装完成了。

二、安装cuDNN

1.解压：cd到“cudnn-7.0-linux-x64-v3.0-rc.tgz”所在目录，将文件解压，如下：

[plain] view plain copy

gzip -d cudnn-7.0-linux-x64-v3.0-rc.tgz  
tar xf cudnn-7.0-linux-x64-v3.0-rc.tar  

2.copy文件至CUDA安装目录：解压后，在你的目录下生成一个“cuda”文件夹，对于cuDNN6.5的版本解压后生成“cudnn-6.5-linux-x64-v2”文件。使用如下命令copy，注意第二个有个-a参数，否则，拷贝过去的文件失去了链接。（cd 到 cuda 所在目录）

[plain] view plain copy

sudo cp cuda/include/cudnn.h /usr/local/cuda/include  
sudo cp -a cuda/lib64/libcudnn* /usr/local/cuda/lib64  

这时，cuDNN安装完成。

—————–2016/10/24更新—————————-
有个问题，虚拟机不支持显卡，之前没意识到。。。所以要装cuda用GPU的童鞋还是装个双系统吧~

——————-原帖分割线——————————
致谢：
本文参考以下链接，它们给予我巨大帮助！非常感谢原作者！

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

http://www.2cto.com/os/201608/535727.html

http://blog.csdn.net/anycell/article/details/6655421

http://m.blog.csdn.net/article/details?id=46388241

这篇文章，我旨在做一个总结，把我这次成功安装的流程罗列出以便我以后安装有个参考。当然，如果能帮助到更多人，那就再好不过了。

本文所需资料百度云链接：http://pan.baidu.com/s/1c1LKLjy 密码：35wt
一、版本及说明

版本：linux系统：Vmware下的 Ubuntu14.04（64位）

虚拟机分配内存：8G

虚拟机分配存储：40G

说明：笔者一开始是打算安装GPU版本的caffe，但是无奈，安装CUDA SAMPLE后跑“./deviceQuery”命令总是出现错误，暂时没法解决，所以决定先不用GPU，先配置出CPU版本，以后再试GPU版。那这样的话，我经过多次按照GPU的帖子和CPU的帖子出错后，突发奇想（也是被逼的。。），一开始是参考仅CPU的帖子，然后出问题了，转而用GPU的方法，CUDA安装失败，然后再在GPU方法中嵌入CPU方法，可以说是 误打误撞 终于完成。所以，总结出来，以防忘记，整合细节如下。

二、安装

1、安装caffe

  （1）下载caffe

[html] view plain copy

# sudo git clone https://github.com/BVLC/caffe.git  



  （2）安装第三方库

[plain] view plain copy

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

2、安装opencv

[plain] view plain copy

# cd caffe  
# sudo git clone https://github.com/jayrambhia/Install-OpenCV  
# cd Install-OpenCV/Ubuntu  
# sudo sh dependencies.sh  
# cd 2.4  
# sudo sh opencv2_4_10.sh  

3、编译caffe

[plain] view plain copy

cd caffe    //打开到刚刚git下来的caffe  
cp Makefile.config.example Makefile.config //make指令只能make Makefile.config  
sudo gedit Makefile.config      //打开Makefile.config文件  

然后我们把：#CPU_ONLY:=1，那一行的注释符号去掉：CPU_ONLY:=1。修改时，执行以下语句：

[plain] view plain copy

# sudo vi /etc/Makefile.config  

注意vi命令的使用方法，(:wq)保存退出。

4、测试 caffe（运行caffe程序时，必须cd 到 caffe目录下）

下载mnist数据：

[plain] view plain copy

# cd caffe  
# sudo sh data/mnist/get_mnist.sh  
# sudo sh examples/mnist/create_mnist.sh  

运行时，没有GPU，则需要修改配置文件lenet_solver.prototxt：

[plain] view plain copy

# sudo vi examples/mnist/lenet_solver.prototxt  

将最后一行的solver_mode:GPU改为solver_mode:CPU

配置好后，就可以运行了
[plain] view plain copy

# sudo sh examples/mnist/train_lenet.sh  

注释：第 4 步我都做了，但是以下这两步 我并没有成功，然后直接转到下面的步骤！
[plain] view plain copy

# sudo sh examples/mnist/create_mnist.sh  

[plain] view plain copy

# sudo sh examples/mnist/train_lenet.sh  

—————————————————–我是安装CUDA分割线—————————————————–

注意: 以下几步是安装CUDA相关的步骤，笔者这里想试图使用GPU但是安装失败了，但是此次配置caffe确有经过此几步，而且更重要的是，下面步骤有几步操作原贴是没有的我整合了百度的结果，因此肯定要记录下来。

那其实，我觉得单纯CPU应该不需要这几步，因为不太懂，就先按我的原步骤记录下来为妙…

5、使用GPU所要做的步骤

（1）安装CUDA 7.0（地址在上面的百度云分享里）

切换到下载的deb所在目录（方法：cd deb所在目录）我这里是直接放到主文件夹下。然后执行下列命令：

[plain] view plain copy

sudo dpkg -i cuda-repo-ubuntu1404-7-0-local_7.0-28_amd64.deb    
sudo apt-get update    
sudo apt-get install cuda    

//原贴这里 sudo reboot 重启 但是 笔者每次重启后会出现一个问题，就是重新登入的时候 密码正确，然而还是进不了桌面…多次求助无解，有知道的童鞋求告知，谢谢！

//因此，笔者这里并没有重启。当然，笔者这里没用到CUDA，因此重不重启其实不所谓啦~~

（2）安装cuDNN

下载cudnn-7.0-linux-x64-v4.0-rc.tgz（在最上面的网盘里有）下好后放在home下：

[plain] view plain copy

tar -zxvf cudnn-7.0-linux-x64-v4.0-rc.tgz    
cd cuda    
sudo cp lib64/lib* /usr/local/cuda/lib64/    
sudo cp include/cudnn.h /usr/local/cuda/include/   

更新软连接

[plain] view plain copy

cd /usr/local/cuda/lib64/  
sudo chmod +r libcudnn.so.4.0.4  
sudo ln -sf libcudnn.so.4.0.4 libcudnn.so.4  
sudo ln -sf libcudnn.so.4 libcudnn.so  
sudo ldconfig  

（3）设置环境变量

在/etc/profile中添加CUDA环境变量：

[plain] view plain copy

sudo gedit /etc/profile  

增加以下两条：

[plain] view plain copy

PATH=/usr/local/cuda/bin:$PATH    
export PATH  

保存（输入”:wq” 回车）后，执行下列命令使环境变量立即生效：

[plain] view plain copy

source /etc/profile  

*同时需要添加lib库路径： 在 /etc/ld.so.conf.d/加入文件cuda.conf, 内容：/usr/local/cuda/lib64

这一步得：

①获取root权限：

[plain] view plain copy

sudo passwd://创建密码，输入两遍  

[plain] view plain copy

su//进入root权限，输入之前创建的密码  

②在ld.so.conf.d下创建文件：

[plain] view plain copy

touch cuda.conf  

③在cuda.conf中写入内容：

[plain] view plain copy

echo "/usr/local/cuda/lib64" >> /etc/ld.so.conf.d/cuda.conf  

保存后，执行下列命令使之立刻生效：（笔者这一步出来问题。。）

[plain] view plain copy

sudo ldconfig  

（4）安装CUDA SAMPLE

[plain] view plain copy

cd /usr/local/cuda/samples  
sudo make all -j4//-j4表示四核  

全部编译完成后：
[plain] view plain copy

cd /usr/local/cuda/samples/bin/x86_64/linux/release  
./deviceQuery  

成功最后会有PASS 我FAIL了- -

强注释：那其实到这都是要用GPU时的操作，笔者这里没用GPU，所以这几步就是个过场，所以出了错误也没多大关系。先写到这里，后续搞明白了再更。

——————————-以上为cuda安装步骤———————————————–

6、安装caffe所需要的python环境 Anaconda

（1）下载链接一样，在文章之前的链接里。

切换到文件所在目录（与前面一样，具体不再详细说明。），执行：

[plain] view plain copy

bash Anaconda2-4.2.0-Linux-x86_64.sh//这个过程默认就好  

（2）添加Anaconda Library Path
在/etc/ld.so.conf.d最后加入以下路径(NOTE:下边的username要替换)

[plain] view plain copy

/home/username/anaconda2/lib  

我是用3（3）方法写入的，同样写入到cuda.conf

(3)在~/.bashrc最后添加下边路径
[plain] view plain copy
在CODE上查看代码片派生到我的代码片

export LD_LIBRARY_PATH="/home/username/anaconda/lib:$LD_LIBRARY_PATH"

注：这一步我也木弄好，所以就复制粘贴过来了，求轻拍。。。

7、最后！编译：成败在此一举！

[plain] view plain copy

cd caffe  
make all -j4  
make test -j4  
make runtest  

笔者终于成功了，虽然仅仅是CPU，还是蛮高兴！一步一步来嘛！发张成功图，祝ubuntu下配置caffe的童鞋都能速度成功！

版权声明：本文为博主原创文章，未经博主允许不得转载。 http://blog.csdn.net/ThomasCai001/article/details/52858023