(1)caffe总结之Ubuntu 14.04 + Caffe + Cuda 7.5 + Opencv 3.0安装教程

阅读前必读

本文是参考 Cuda官网，Caffe官网 上的安装教程以及网上众多大神的配置文章后一边配置一边写的，中途遇到很多坑，最后抹着眼泪终于把caffe环境搭好，最大的感触就是网上好多教程都已经过时了，因此安装过程会碰到许多新问题，真的十分感谢中途给过我帮助的几个大神。

---

Caffe 安装

Caffe安装基本按照官网安装教程，首先介绍没有GPU的安装方法，有GPU的只需要在最后一步修改然后重新编译即可，详细见后面。

• 安装依赖库（一）

$ 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
 
 
1
2
 
 
1
2

耐心等待安装完毕，执行下一步

• 安装BLAS 
  也可以安装OpenBLAS或者MKL，以加速CPU性能（有GPU的童鞋可以忽略），这里我按照官网装了BLAS，有兴趣的童鞋可以自己研究另外两种，只需在最后编译caffe的时候修改一下配置文件即可。

& sudo apt-get install libatlas-base-dev
 
 
1
 
 
1

• Python安装 
  Ubuntu 14.04 自带Python 2.7 ，无需自行安装。

• OpenCV安装 
  安装方法详见Ubuntu14.04安装OpenCV3.0，Opencv必须安装，且版本需要大于2.4

• Matlab安装 
  由于我基本不使用matcaffe，所以这里不提供安装方法，需要用到的朋友自行百度哈

• 安装依赖库（二）

$ sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
 
 
1
 
 
1

• Caffe下载 
  直接从github下载最新版本，下载前切换到home目录

$ cd ~
$ git clone git://github.com/BVLC/caffe.git
 
 
1
2
 
 
1
2

• 编译Caffe前工作

  1.修改Makefile 
  仔细看过以前的教程都会知道，如果安装的opencv是3.0，则需要修改makefile文件，但是新版的caffe已经帮我们修改好了，所以如果安装的是最新的caffe这一步可以跳过。

  2.修改caffe/examples/cpp_classification/classification.cpp文件，加入：

#include <opencv2/imgproc/types_c.h>
#include <opencv2/objdetect/objdetect_c.h>
 
 
1
2
 
 
1
2

• 编译Caffe

$ cd ~/caffe
$ cp Makefile.config.example Makefile.config
# 修改Makefile.config文件：如果没有GPU，则去掉CPU_ONLY:= 1的注释
# 如果安装了Opencv3.0,去掉 OPENCV_VERSION := 3的注释
$ make all
$ make test
$ make runtest
 
 
1
2
3
4
5
6
7
 
 
1
2
3
4
5
6
7

---

Nvidia显卡驱动以及Cuda下载安装

如果你的机器还没有装GPU，请直接忽略这一步和cuDNN安装

• Cuda 
  CUDA(Compute Unified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。
• 验证你的gpu支持是否支持Cuda 
  打开支持Cuda运算的Gpu列表，只要你的GPU在里面找得到就没问题
• 查看当前使用显卡 
  在terminal输入以下命令，确认当前使用的是独立显卡，如果使用的是集显，则需要在开机时进入BIOS关闭集显。

$ lspci | grep -i nvidia
 
 
1
 
 
1

• 确认你的系统是X86架构，可通过下面的命令查询

 $ uname -m && cat /etc/*release
 
 
1
 
 
1

• 安装gcc 
  Ubuntu 14.04已经自带gcc 4.8.4,无需自行下载，检查gcc版本可通过如下方法：

 $ gcc --version
 
 
1
 
 
1

如果发现还没安装gcc，可以执行$ sudo apt-get install gcc-×××

• 下载Cuda 
  Cuda可以直接到Nvidia官网下载，下面官网的下载地址，有两种安装方式（.run 和 .deb），这里只介绍后者，因为比较简单易行。 
  这里选择下载信息如下图： 
  

• 验证Cuda安装包

$ md5sum filename
 
 
1
 
 
1

如果下载没出错，那得到的MD5序列号和上图中是一致的，否则只能重新下载。

• 卸载旧版本（如果为新电脑没装过驱动可跳过此步） 
  根据官网介绍，之前安装的版本都会有冲突的嫌疑。卸载命令：

$ sudo apt-get --purge remove nvidia*
 
 
1
 
 
1

• 安装Cuda 
  cd进cuda安装包所在的目录，执行以下命令

$ sudo dpkg -i cuda-repo-ubuntu1404-7-5-local_7.5-18_amd64.deb
$ sudo apt-get update
$ sudo apt-get install cuda
 
 
1
2
3
 
 
1
2
3

• 添加环境变量

$ sudo gedit /etc/profile
# 在末尾添加（注意自己的Cuda版本）：
# export PATH=/usr/local/cuda-7.5/bin:$PATH
# export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH
$ source /etc/profile
$ sudo reboot
 
 
1
2
3
4
5
6
 
 
1
2
3
4
5
6

• 安装历程

# 历程本来在/usr/local/cuda-7.5/samples路径下，但不可写
# 下面这句实质只是简单复制而已
$ cuda-install-samples-7.5.sh ~/cuda
 
 
1
2
3
 
 
1
2
3

• 查看GPU驱动版本、Cuda版本： 
  正常安装的话，会出现版本信息，如果没出现说明安装出错，官网教程说的很清楚

$ cat /proc/driver/nvidia/version
$ nvcc -V
 
 
1
2
 
 
1
2

• 编译 
  cd进NVIDIA_CUDA-7.5_Samples中make:

$ cd ~/cuda/NVIDIA_CUDA-7.5_Samples
$ make
# 编译结果在 ~/NVIDIA_CUDA-7.5_Samples/bin/x86_64/linux/release中
 
 
1
2
3
 
 
1
2
3

• 执行编译结果，确认安装配置

$ cd
$ ./~/NVIDIA_CUDA-7.5_Samples/bin/x86_64/linux/release/deviceQuery
 
 
1
2
 
 
1
2

顺利的话如下图所示，若出错可参考此处 

• bandwidthTest确认

 $ ./~/NVIDIA_CUDA-7.5_Samples/bin/x86_64/linux/release/bandwidthTest
 
 
1
 
 
1

确认结果如下图所示则安装成功 

---

安装cuDNN

• 下载cuDNN 
  可以从英伟达官网下载，一般注册第二天就通过。
• 安装 
  解压下载好的文件，一般在文件所在的目录会出现一个cuda的新文件夹

$ tar -xzvf cudnn-7.5-linux-x64-v3.0-rc.tgz
$ cd cudnn/lib64/
$ sudo cp lib* /usr/local/cuda/lib64/
$ cd ..
$ cd include
$ sudo cp cudnn.h /usr/local/cuda/include
 
 
1
2
3
4
5
6
 
 
1
2
3
4
5
6

• 重新编译caffe 
  在~/caffe/Makefile.config中，去掉 USE_CUDNN := 1的注释，重新加上CPU_ONLY:= 1的注释然后重新编译caffe即可。

$ make clean
# 第一次编译不用这句
$ make all
$ make test
$ make runtest 
 
 
1
2
3
4
5
 
 
1
2
3
4
5

---

配置pycaffe

• 安装依赖库 
  没错又和依赖库见面了，觉的有点烦但是没办法。

$ sudo apt-get install python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags Cython ipython
$ sudo apt-get install protobuf-c-compiler protobuf-compiler
 
 
1
2
 
 
1
2

• 编译 
  进入caffe目录，编译pycaffe

$ cd ~/caffe
$ make pycaffe
 
 
1
2
 
 
1
2

• 修改环境变量 
  添加caffe目录下的python地址到$PYTHONPATH

$ sudo gedit /etc/profile
# 末尾添加： export PYTHONPATH = caffe目录下的python地址:$PYTHONPATH
# 用完整路径，不要用~
$ source /etc/profile # 使之生效
 
 
1
2
3
4
 
 
1
2
3
4

• 测试 
  在terminal进入python,import caffe 如果没错说明安装成功

$ python
Python 2.7.6 (default, Nov 17 2015, 17:58:13) 
[GCC 4.8.2] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import caffe
>>> 
 
 
1
2
3
4
5
6
 
 

  
  
 
 
 
 
1
2
3
4
5
6

---

配置matcaffe

没安装matlab的童鞋可以忽略，非必需。方法和pycaffe差不多，但需要先降级gcc,编译后需要添加工作空间，有兴趣的同学自行百度，很多教程。