无GPU配置的Caffe+Ubuntu14.04+64bit的小白配置教程

1、安装开发所需要的一些基本包

sudo apt-get install build-essential
sudo apt-get install vim cmake git
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev

2、CUDA安装

这一步包括三个部分： 

  
  
nvidia驱动
cuda-toolkit
cuda-samples
　　在CPU模式下仅需要安装cuda-toolkit，接下来介绍如何安装cuda-toolkit
　　2.1 下载CUDA6.5  http://developer.download.nvidia.com/compute/cuda/6_5/rel/installers/cuda_6.5.14_linux_64.run
解压下载得到的.run文件，得到三个文件，我们只安装第一个，即cuda-toolkit包
  
  

    
    
CUDA安装包: cuda-linux64-rel-6.5.14-18749181.run
NVIDIA驱动: NVIDIA-Linux-x86_64-340.29.run
SAMPLE包: cuda-samples-linux-6.5.14-18745345.run
  
  

   
   sh ./Downloads/cuda_6.5.14_linux_64.run --noexec --target ./Downloads  
意思是不运行安装脚本，把.run文件解压到Downloads目录。

  
  
  
  

   
   然后cd 到Downloads下的 run files文件夹里面
  
  
  
  

   
   
   
   
chmod +x *.run
   
   
安装CUDA需要在纯命令行下进行(非常重要），按 ctrl+alt+F1进入tty，登录后执行如下命令
   
   

    
    
sudo service lightdm stop  

或者

sudo stop lightdm
   
   
   
   

  
  
执行下列命令安装CUDA，按照提示一步步安装，其中会让你选择安装目录，接受协议等，为方便选择默认路径，直接回车即可。


sudo ./cuda-linux64-rel-6.5.14-18749181.run

3、添加环境变量
sudo vim /etc/profile
安装完成后在/etc/profile中添加环境变量，在文件最后添加
  
  

   
   
PATH=/usr/local/cuda-6.5/bin:$PATH
export PATH
  
  
　　　　保存后，执行下列命令，使环境变量立即生效
  
  

   
   
source /etc/profile
  
  
　4、 添加lib库路径 
           sudo vim /etc/ld.so.conf
里面有incluede xxxxxxxxx
加上 include /usr/local/cuda-6.5/lib64
　　　　在/etc/ld.so.conf.d/目录下增加文件cuda.conf，内容如下　
  
  

   
   
/usr/local/cuda-6.5/lib64
  
  
　　　　执行下列命令立刻生效
  
  

   
   
sudo ldconfig
  
  

5、退出命令行
  
  

   
   
sudo service lightdm start

或者

sudo start lightdm
  
  

6、安装BLAS

参考http://blog.sina.com.cn/s/blog_6d09848701018smp.html

$mkdir openblas
   $cd openblas

然后下载git库
   $git clone https://github.com/xianyi/OpenBLAS.git
   $cd OpenBLAS

然后编译
   $make
   这个编译是很帅的，是多线程编译。编译好之后安装之
   $sudo make install

安装完后添加lib路径，
sudo vim /etc/ld.so.conf
在/etc/ld.so.conf.d/目录下新建OpenBLAS.conf，内容：
/openblas/OpenBLAS/lib
即在下面加上include /openblas/OpenBLAS/lib
使之生效：
sudo ldconfig
7、安装Opencv
 （1）　从github上下载安装脚本：https://github.com/jayrambhia/Install-OpenCV
  
  

   
   sudo git clone 
   
   https://github.com/jayrambhia/Install-OpenCV
  
  
  
  

   
    （2）　cd 到InstallOPENCV
  
  
  
  

   
              cd进到Ubuntu目录，对所有脚本增加可执行权限
  
  
  
  

   
   

  
  
  
  

   
   
sudo chmod +x *.sh
  
  
安装最新版本（当前为2.4.9)，有人自己写了2.4.20版本的，有兴趣的可以去下：http://pan.baidu.com/s/1m3hQu
（3）    安装依赖项
  
  

   
   
sudo ./dependencies.sh
  
  
 （4）cd 2.4

   sudo sh ./opencv2_4.9.sh

8、安装其它依赖项
　　Ubuntu14.04用户执行
  
  

   
   
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
  
  
　　其它版本参考官网说明

9、安装Python环境

在Ubuntu的软件中心 搜索 spyder  它内置了iPython环境

10.编译Caffe

  
  
　下载：https://github.com/BVLC/caffe
　　进入caffe目录，复制一份Makefile.config　　
  
  

   
   
cp Makefile.config.example Makefile.config
  
  
  
  
      根据自己环境修改Makefile.config的相应内容
　　　1 取消 CPU_ONLY := 1前面的注释
　　　2. cuda 安装路径改为自己的路径 ： CUDA_DIR := /usr/local/cuda-6.5
　　　　　3. 配置路径：实现caffe对python和matlab接口的支持　　
  
  

   
   

    
    
   
   
   
   
PYTHON_INCLUDE := /usr/include/python2.7 \

/usr/lib/python2.7/dist-packages/numpy/core/include

PYTHON_LIB := /usr/local/lib

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include

LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib

MATLAB_DIR := /usr/local/MATLAB/R2014a
   
   

    
    
   
   
  
  
　　　　　　4. BLAS := open (根据自己选择的版本，分别设为atlas, mkl, open
同时也要记得把BLAS的路径去掉注释
 然后加入路径
  /openblas/include
  /openblas/lib
  
  
　　　编译caffe
  
  

   
   
sudo make all -j2
sudo make test 
sudo make runtest
  
  
　　　　在一这步可能会碰到问题：undefined refrence to ' cudaGetDevice '
　　　　解决方法：
　　　　　　1. 修改Makefile.config, 修改CUSTOM_CXX := g++-4.6
　　　　　　2. 执行命令 sudo apt-get install gcc-4.6 g++-4.6 gcc-4.6-multilib g++-4.6-multilib
　　　　　　3. 修改以下两个文件
　　　　　　　　vi src/caffe/common.cpp
　　　　　　　　vi tools/caffe.cpp
　　　　　　　　使用google替代gflags
　　　　　　4. 重新make
　　　如果在make的过程中提示：“error while loading shared libraries: xxx.so.x”，可能是cuda及OpenBLAS环境变量没有设置正确，检查相应步骤，可参考：http://blog.csdn.net/sahusoft/article/details/7388617

10、编译python wrapper
  
  

   
   
make pycaffe
   
   

  
  

11、测试lenet
这部分可参考caffe官网：http://caffe.berkeleyvision.org/gathered/examples/mnist.html，非常详细。
　　注：这一部分默认在caffe的根目录下完成，不能去相应的子目录下执行脚本，因为脚本中的路径是相对于caffe目标的相对路径 。
  
  
获取数据： sudo sh data/mnist/get_mnist.sh
重建lmdb/ leveldb文件，caffe支持三种数据格式输入： images(.jpg,.png等），leveldb, lmdb  
 
./examples/mnist/create_mnist.sh
第3步可能会出现错误：
error while loading shared libraries: libopenblas.so.0: cannot open shared object file: No such file or directory
解决方法：我的是这个方法解决的The fix is the following: 参见https://github.com/sermanet/OverFeat/issues/10

（可能http://blog.csdn.net/jjff46/article/details/38072433中的
      
      
sudo su  
cat /etc/ld.so.conf  
echo "/usr/local/lib" >> /etc/ld.so.conf  
ldconfig  
有可能也会有用  先mark一下）

 1、sudo apt-get install libopenblas-base
And then


 2、export LD_LIBRARY_PATH=/usr/lib/openblas-base/

Although, if you build from source, I think you could change the LD_LIBRARY_PATH and you would be fine


3、 export LD_LIBRARY_PATH=/opt/OpenBLAS/lib/
切换到CPU模式： 在lenet_solver.prototxt中修改 solover_mode = CPU , 在最后一行
训练minist: sudo sh examples/mnist/train_lenet.sh
　　没有错误的话，就可以看到一串串的输出信息啦。

参考：

http://blog.csdn.net/hunterlew/article/details/52069093

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

http://www.cnblogs.com/dupuleng/articles/4213834.html

https://gist.github.com/bearpaw/c38ef18ec45ba6548ec0