四、安装cuDNN，caffe和openCV

（一）安装cuDNN

1、下载cudnn
可以注册再下载。不过有点麻烦，官网https://developer.nvidia.com/cudnn
或者百度云下载http://pan.baidu.com/s/1hrAMHko
2、安装

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

进入到解压好的文件夹下，解压后会看到一个cuda文件夹，分别把lib64和include的文件复制到cuda目录下
这里按照默认cuda时的默认安装目录

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

（二）安装caffe

前提：服务器安装见服务器（多GPU）caffe安装和编译
下面的安装适用于普通台式机和笔记本
1、安装依赖

sudo apt-get install git
sudo apt-get install libatlas-base-dev  
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev  
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler 
sudo apt-get install python-dev
sudo apt-get install --no-install-recommends libboost-all-dev

2、下载caffe源码并配置

git clone https://github.com/BVLC/caffe.git        #不能加sudo，否则权限是root
cd ~/caffe
cp Makefile.config.example Makefile.config
gedit Makefile.config

这里需修改：
使用cudnn

# USE_CUDNN := 1
这里去掉#，取消注释，CUDNN只支持CUDA Capability 3.0以上的GPU加速
要查看显卡的CUDA Capability值，小于3.0，无法支持cuDNN加速，编译caffe时会出错

3、编译caffe
在caffe目录下

mkdir build
cd build
cmake ..
make all
make install
make runtest

4、测试
测试安装完的caffe能不能用，进入caffe路径下。

sh data/mnist/get_mnist.sh  
sh examples/mnist/create_mnist.sh 

运行脚本：

./examples/mnist/train_lenet.sh

如下：运行图

（四）安装openCV

1.安装依赖

sudo apt-get install build-essential  #[compiler] 
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev  # [required]
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev   # [optional] 

2.下载解压opencv
下载3.0版本 https://sourceforge.net/projects/opencvlibrary/files/opencv-unix/
放置用户目录解压

unzip opencv- 3.0. 0-rc1. zip  #这里注意自己的下载的版本名字

3.编译opencv

cd ~/opencv-3.0.0-rc1    #注意自己的目录名 
mkdir release
cd release
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local ..
make
sudo  make install

有时候在cmake时候会报错如下，这是无法下载安装一个并行计算的文件，这个在某些算法需要用到

解决办法：
（1）下载 https://pan.baidu.com/s/1o77pHDC
（2）将文件放在opencv-3.1.0/3rdparty/ippicv/downloads/linux-808b791a6eac9ed78d32a7666804320e目录下，
有时候最后一个目录有所不同，没关系。
（3）接着使用上面的cmake进行编译。

有时候我们在条用opencv时候还会出现，报错：can not find libippicv.so或者libippicv.a文件
解决办法：
将~/opencv/3rdparty/ippicv/unpack/ippicv_lnx/lib/intel64下的libippicv.a复制拷贝到/usr/local/lib目录下即可
shell命令

cp libippicv.a /usr/local/lib

4.测试opencv
（1）创建工作目录

mkdir ~/opencv-lena
cd ~/opencv-lena
gedit DisplayImage.cpp

（2）编辑如下代码

#include <stdio.h>
#include <opencv2/opencv.hpp>
using namespace cv;
int main(int argc, char** argv )
{
if ( argc != 2 )
{
printf("usage: DisplayImage.out <Image_Path>\n");
return -1;
}
Mat image;
image = imread( argv[1], 1 );
if ( !image.data )
{
printf("No image data \n");
return -1;
}
namedWindow("Display Image", WINDOW_AUTOSIZE );
imshow("Display Image", image);
waitKey(0);
return 0;
}

（3）创建CMake编译文件

gedit  CMakeLists.txt

写入如下内容

cmake_minimum_required(VERSION 2.8)
project( DisplayImage )
find_package( OpenCV REQUIRED )
add_executable( DisplayImage DisplayImage.cpp )
target_link_libraries( DisplayImage ${OpenCV_LIBS} )

（4）编译文件

cd ~/opencv-lena
cmake .    
make

（5）执行
此时opencv-lena文件夹中已经产生了可执行文件DisplayImage，下载lena.jpg放在opencv-lena下，运行

./DisplayImage lena.jpg