caffe安装教程

这篇安装指南，适合零基础，新手操作，请高手勿要吐槽！

简单介绍一下：Caffe，一种ConvolutionalNeural Network的工具包，和Alex的cuda-convnet功能类似，但各有特点。都是使用C++CUDA进行底层编辑，Python进行实现，原作主要部署于Ubuntu，也有大神发布了Windows版，但其他相关资料较少，不适合新手使用，所以还是Ubuntu的比较适合新手。（相对而言）

本文主要包含3个部分，包括：

• 第一部分Linux安装

• 第二部分nVidiaCUDA Toolkit的安装（*.deb方法）

• 第三部分Caffe-Master的安装和测试

第一部分Linux安装

Linux的安装，如果不是Linux粉，只是必须，被迫要用它来作作科研什么的，建议安装成双系统，网上方法很多，这里我就不详细写了，安装还算是傻瓜式的，和windows的过程类似，至于语言，如果觉得难度还不够大的话，完全可以装E文版的，甚至日文，德文~~~，我是装的简体中文版，我总共用分出的500G的空间来安装Ubuntu14.04，这个版本是最新的版本，有个好处是，可以直接访问Windows8.1的NTFS分区，不用做额外的操作，而且支持中文，例如：$cd /media/yourname/分区名字/文件夹名，当然GUI就更方便了.

我的分区设置如下：

根分区：\100G，

Swap交换分区：128G，这里设置为何内存一样，据说小于16G的内存，就设置成内存的1.5-2倍

boot分区：200M

Home分区：剩余的空间，鉴于Imagenet，PASCALVOC之类的大客户，建议500G，至少300G以上。

PS：解决启动分区错误

基本上，重装起来，都会破坏原来的启动分区表，还原Windows分区的一个简单办法：

$sudo gedit etc/default/grub

设置：GRUB_DEFAULT= 2 #后面的数字为默认启动的选项，想默认启动哪个系统就改为对应的编号

$sudo update-grub

该方法适用于安装双系统后，"看得到Linux，看不到Windows”的情况，反过来的话，请大家自己百度吧。

第二部分：nVidiaCUDA Toolkit的安装（*.deb方法）

PS：特别推荐*.deb的方法，目前已提供离线版的deb文件，该方法比较简单，不需要切换到tty模式，因此不再提供原来的*.run安装方法，这里以CUDA7.5为例。

一、CUDARepository

获取CUDA安装包,安装包请自行去NVidia官网下载。（https://developer.nvidia.com/cuda-downloads）

首先CD到安装包所在路径，我的文件下载到/home/user/Downloads的这个文件夹，直接在终端CD到该文件夹即可。

$cd ~/Downloads

$sudo dpkg -i cuda-repo-ubuntu1504-7-5-local_7.5-18_amd64.deb

$sudo apt-get update

$sudo apt-get install -y cuda

二、安装cudasample

$cd /usr/local/cuda-7.5/samples

$sudo make –j32

全部编译完成后，进入samples/bin/x86_64/linux/release,sudo下运行deviceQuery

$sudo./deviceQuery

如果出现下列显卡信息，则驱动及显卡安装成功：

$./deviceQuery Starting...

CUDADevice Query (Runtime API) version (CUDART static linking)

Detected1 CUDA Capable device(s)

Device0: "GeForce GTX 670"

CUDADriver Version / Runtime Version 6.5 / 6.5

CUDACapability Major/Minor version number: 3.0

Totalamount of global memory: 4095 MBytes (4294246400bytes)

(7) Multiprocessors, (192) CUDA Cores/MP: 1344 CUDA Cores

GPUClock rate: 1098 MHz (1.10 GHz)

MemoryClock rate: 3105 Mhz

MemoryBus Width: 256-bit

L2Cache Size: 524288 bytes

MaximumTexture Dimension Size (x,y,z) 1D=(65536), 2D=(65536, 65536),3D=(4096, 4096, 4096)

MaximumLayered 1D Texture Size, (num) layers 1D=(16384), 2048 layers

MaximumLayered 2D Texture Size, (num) layers 2D=(16384, 16384), 2048 layers

Totalamount of constant memory: 65536 bytes

Totalamount of shared memory per block: 49152 bytes

Totalnumber of registers available per block: 65536

Warpsize: 32

Maximumnumber of threads per multiprocessor: 2048

Maximumnumber of threads per block: 1024

Maxdimension size of a thread block (x,y,z): (1024, 1024, 64)

Maxdimension size of a grid size (x,y,z): (2147483647, 65535, 65535)

Maximummemory pitch: 2147483647 bytes

Texturealignment: 512 bytes

Concurrentcopy and kernel execution: Yes with 1 copy engine(s)

Runtime limit on kernels: Yes

IntegratedGPU sharing Host Memory: No

Supporthost page-locked memory mapping: Yes

Alignmentrequirement for Surfaces: Yes

Devicehas ECC support: Disabled

Devicesupports Unified Addressing (UVA): Yes

DevicePCI Bus ID / PCI location ID: 1 / 0

ComputeMode:

<Default (multiple host threads can use ::cudaSetDevice() with devicesimultaneously) >

deviceQuery,CUDA Driver = CUDART, CUDA Driver Version = 6.5, CUDA Runtime Version= 6.5, NumDevs = 1, Device0 = GeForce GTX 670

Result= PASS

如果sample测试没有通过，一般是显卡驱动的问题，根据提示可以先在NVIDIA官网上下载Linux下最新的显卡驱动，一般名称是*.run，调出终端，输入：

$sudo gedit /etc/modprobe.d /blacklist.conf

在blacklist.conf文件最后加上

blacklistnouveau

blacklistlbm-nouveau

optionsnouveau modest=0

aliasnouveau off

aliaslbm-nouveau off

或者

• blacklistvga16fb

• blacklistnouveau

• blacklist rivafb

• blacklistnvidiafb

• blacklist rivatv

• （这里有一行空格）

 然后删除卸载旧NVIDIA驱动。

• sudo apt-get–purge remove nvidia-*(需要清除干净)

• sudo apt-get–purge remove xserver-xorg-video-nouveau

然后按CTRL+ALT+F2进入tty2模式，进入系统后输入：

$sudo services lightdm stop

Cd到*.run文件所在的文件夹中，执行：

$sudo chmod –R 777 *.run

$./*.run

驱动安装完成后，输入：

$sudo services lightdm start

能启动证明驱动安装没问题

$sudo reboot

重启电脑

查看驱动型号：

$sudonvidia-smi

重新安装cuda，直到sample测试通过。

第三部分Caffe的安装和测试

对于Caffe的安装严格遵照官网的要求来：http://caffe.berkeleyvision.org/installation.html

一、安装BLAS

ATLAS是做线性代数运算的，还有俩可以选：一个是Intel的MKL，这个要收费，还有一个是OpenBLAS，这个比较麻烦；但是运行效率ATLAS< OpenBLAS < MKL

我就用ATLAS咯：

sudoapt-get install libatlas-base-dev 

2.新建cuda.conf，并编辑之：

$sudo gedit /etc/ld.so.conf.d/cuda.conf

/usr/local/cuda/lib64

/lib

3.完成lib文件的链接操作，执行：

$sudo ldconfig -v

二、安装其他依赖项

1.Google LoggingLibrary（glog），下载地址：https://code.google.com/p/google-glog/，然后解压安装：

下载完成后第一件事仍然CD到保存该安装包的文件夹中,我的是在/home/user/Downloads文件夹中，所以这样写：

$cd ~/Downloads

$tar zxvf glog-0.3.3.tar.gz

$cd ~/Downloads/glog-0.3.3

$./configure

$make

$sudo make install

如果没有权限就chmoda+x glog-0.3.3 -R , 或者索性chmod777 glog-0.3.3 -R , 装完之后，这个文件夹就可以kill了。

2.其他依赖项，确保都成功

$sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-devlibopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-devlibgoogle-glog-dev liblmdb-dev protobuf-compiler protobuf-c-compilerprotobuf-compiler

三、安装Caffe并测试

1.安装pycaffe必须的一些依赖项：

$sudo apt-get install -y python-numpy python-scipy python-matplotlibpython-sklearn python-skimage python-h5py python-protobufpython-leveldb python-networkx python-nose python-pandaspython-gflags Cython ipython

2.安装配置nVidiacuDNN 加速Caffe模型运算

a.安装前请去先官网下载最新的cuDNN(cudnn-7.0-linux-x64-v4.0-prod)。下载完成后直接双击安装包，把里面的文件CUDA拖到Downloads文件夹中,这一步很重要，要不然后面编译都不知道错在哪里了

$cd ~/Downloads/CUDA

$sudo cp include/cudnn.h /usr/local/include

$sudo cp lib64/libcudnn.* /usr/local/lib

b.链接cuDNN的库文件

$sudo ln -sf /usr/local/lib/libcudnn.so.4.0.7/usr/local/lib/libcudnn.so.4

$sudo ln -sf /usr/local/lib/libcudnn.so.4 /usr/local/lib/libcudnn.so

$sudo ldconfig -v

再下载caffe，我把caffe放在用户目录下

cd

gitclone https://github.com/BVLC/caffe.git

如果提示没有GIT，直接根据它说的，装一个就好了

3.切换到Caffe的文件夹，生成Makefile.config配置文件，执行：

$cd ~/caffe

$cp Makefile.config.example Makefile.config

$geditMakefile.config

4.配置Makefile.config文件（仅列出修改部分）

a.启用CUDNN，去掉"#"

USE_CUDNN:= 1

b.配置一些引用文件（增加部分主要是解决新版本下，HDF5的路径问题）

INCLUDE_DIRS:= $(PYTHON_INCLUDE) /usr/local/include/usr/lib/x86_64-linux-gnu/hdf5/serial/include

LIBRARY_DIRS:= $(PYTHON_LIB) /usr/local/lib /usr/lib/usr/lib/x86_64-linux-gnu/hdf5/serial

c.配置路径，实现caffe对Python和Matlab接口的支持

PYTHON_LIB:= /usr/local/lib

6.编译caffe！！！"-j16"是使用CPU的多核进行编译，可以极大地加速编译的速度，建议使用。

$make all -j16

$make test -j16

$make runtest -j16

编译Python用到的caffe文件

$make pycaffe -j16

如果上述过程没有报错，那么caffe就配好了，它默认的是python接口。