ubuntu 14.04上配置无GPU的Caffe（A卡机适用）

Notice:这篇配置文档在ubuntu14.04（假设是新安装的系统），目的是在cpu上运行Caffe，所以跳过，nvidia驱动等安装过程。Caffe是可以在没有nvidia gpu的环境下train和predict的。

1.安装build-essential，都是一些开发基本必须的软件包。

：sudo apt-get install build-essential

2.安装数学矩阵计算包ATLAS，这里还有MKL和OpenBLAS可选，但ATLAS安装最为简便

：sudo apt-get install libatlas-base-dev

3.安装CUDA和MATLAB

（1）复制以下链接到浏览器    developer.download.nvidia.com/compute/cuda/6_5/rel/installers/cuda_6.5.14_linux_64.run

       下载run文件

（2）将下载得到的.run文件解压成三个文件, 分别为

• 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

（3）通过下列命令安装CUDA, 按照说明一步一步安装至完成.

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

 (4) 添加环境变量

       安装完成后需要在/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

 (5)添加lib库路径

      在 /etc/ld.so.conf.d/加入文件 cuda.conf, 内容如下

      /usr/local/cuda-6.5/lib64

      执行下列命令使之立刻生效

       sudo ldconfig

MATLAB ，自行安装，默认路径就好。

4.安装opencv

  

这个尽量不要手动安装， Github上有人已经写好了完整的安装脚本：https://github.com/jayrambhia/Install-OpenCV

下载该脚本，进入Ubuntu/2.4 目录, 给所有shell脚本加上可执行权限

chmod +x *.sh

然后安装最新版本 （当前为2.4.9）

sudo ./opencv2_4_9.sh

脚本会自动安装依赖项，下载安装包，编译并安装OpenCV。整个过程大概半小时左右。

注意，中途可能会报错

opencv-2.4.9/modules/gpu/src/nvidia/core/NCVPixelOperations.hpp(51): error: a storage class is not allowed in an explicit specialization

解决方法在此：http://code.opencv.org/issues/3814  下载 NCVPixelOperations.hpp 替换掉opencv2.4.9内的文件， 重新build。

5.安装其他依赖包

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

确保全部安装成功，都是必须的。

6.安装python环境，即使你用matlab运行caffe，因为caffe的计算需要调用python代码。

sudo apt-get install python-dev python-pip

7.下载并编译Caffe

从 http://caffe.berkeleyvision.org/installation.html  下载Caffe包，caffe-master.zip

解压到当前文件夹 unzip caffe-master.zip

进入caffe文件夹 cd ./caffe-master

通过cp生成Makefile cp Makefile.config.example Makefile.config

修改Makefile.config

   （1）去除注释CPU_ONLY := 1

   （2）修改对应的prefix，blas，matlab_dir,python_include,cuda_dir,默认的是不用改的，     除非你    安装的时候改了安装路径。

完成所有设置后，开始编译

make all -j4 运行结果如下：

make test 运行结果如下：

make runtest 运行结果如下：

-j4 是开启cpu的4个线程同时编译，加快速度  

8. 安装好了测试是否可以跑demo。

主要参考官网的 Training MNIST with Caffe

下载数据集

cd $CAFFE_ROOT/data/mnist
./get_mnist.sh
cd $CAFFE_ROOT/examples/lenet
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
./create_mnist.sh

运行完上述命令后，应该会得到两个数据集，mnist-train-leveldb/, 和 mnist-test-leveldb/.

最终的model，

切换到CPU模式

由于服务器没有安装显卡，只能使用CPU训练。切换到CPU模式非常简单，只需要在lenet_solver.prototxt中修改一行：

# solver mode: 0 for CPU and 1 for GP

solver_mode: 0

开始训练

./train_lenet.sh

经过一段时间运行，训练完成！最终的model，会存为一个二进制的protobuf文件，lenet_iter_10000.

感谢参考文献的作者：

1.http://caffe.berkeleyvision.org/installation.html

2.http://www.cnblogs.com/platero/p/3993877.html

3.http://cn.soulmachine.me/blog/20140403/

后记：在安装过程中，因为个人电脑，系统的差异，难免出现问题。这个时候google，基本都有现成的解决方案在上面，当然基本都是英文，以github caffe讨论区和stack overflow为主。