caffe Ubuntu16安装 以及MNIST测试 pycaffe

安装Caffe
1.首先安装Ubuntu16.04。
2.完成后，打开命令行控制台，输入以下命令，安装基本依赖（General dependencies）。
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install –no-install-recommends libboost-all-dev
注意：建议一次安装一个软件包，便于弄清是那个未安装成功，以节省时间。
3.安装ATLAS，输入下述命令：
sudo apt-get install libatlas-base-dev
4.安装剩余依赖：
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
5.下载Caffe：
sudo apt-get install git
git clone https://github.com/BVLC/caffe.git
6.修改Makefile.config：
cp Makefile.config.example Makefile.config
gedit Makefile.config
找到#CPU_ONLY := 1,取消注释（我们设置为CPU模式）
找到
# Whatever else you find you need goes here.
INCLUDE_DIRS := (PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := （PYTHON_LIB) /usr/local/lib /usr/lib
修改为
# Whatever else you find you need goes here.
INCLUDE_DIRS := (PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := (PYTHON_LIB) /usr/local/lib /usr/lib/x86_64-linux-gnu/hdf5/serial
7.进行编译
make all
make test
make runtest
8.耐心等待编译完成

测试MNIST
1. ~/caffe/data/mnist下执行 ./get_mnist.sh ，下载并解压4个文件。
2. 执行examples/mnist/create_mnist.sh 脚本，转换数据格式，将mnist data转化为可用的lmdb格式的文件:~/caffe/examples/mnist目录下多出mnist_test_lmdb和mnist_train_lmdb。
3. 使用~/caffe/examples/mnist中的lenet，参数为 lenet_train_test.prototxt，执行./train_lenet.sh 训练。发现报错；“Using GPUs 0 Cannot use GPU in CPU-only Caffe: check mode.
”，
修改 caffe根目录下CMakeLists.txt：
caffe_option(CPU_ONLY “Build Caffe without CUDA support” ON)
修改/caffe/examples/mnist/lenet_solver.prototxt中
solver_mode: CPU
4.返回caffe根目录，执行./examples/mnist/train_lenet.sh
这里要迭代10000次，需要等一会。
5.训练结束后，caffe根目录下执行：./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/lenet_iter_10000.caffemodel
可以看到精度高于0.98

参考：http://blog.csdn.net/forest_world/article/details/51376554
http://blog.csdn.net/u012841667/article/details/53354700
配置pycaffe：http://blog.csdn.net/u011762313/article/details/47624119
注意最后一步骤： export PYTHONPATH=/path/to/caffe/python:~/caffe/python
加到最后一行即可。