Caffe安装：Ubuntu14.04+caffe+cuda7.0+cudnnv3.0

   (1)ubuntu: 本人用的iso:ubuntu14.04.3-desktop-amd64.iso

         1  ubuntu的版本要是14.04或以上，ubuntu12.04装起来特别麻烦

　　 2 安装ubuntu: (1)清空你的Ｕ盘

　　　　　　　　　(2)用ultralISO将ubuntu14.04.3-desktop-amd64.iso写入u盘

　　　　　　　　　(3)重启，按Del或F2键，从Ｕ盘启动

　　　　　　　　　(4)安装ubuntu：最好分为/boot, /, /home  ３个分区（出了问题，将/boot和/格式化，而不用格式化/home,可以保存数据)

                此处说明：(1)如果你的ubuntu出了问题，需要重装，但又不想格式化用户数据，此处有一个“其它”的选项，保持与原来相同的分区结构，同时不要格式化/home

                                    (2)如果安装完后，没有看到ubuntu启动项，用easyBCD生成一个入口：类型选择GRUB2(不是GRUB legacy),可以自动找到你的/boot

   

    (2)安装一些库：

　　   1  sudo apt-get   install nautilus-open-terminal vim gcc-4.7 gcc-4.7-multilib  g++-4.7 g++-4.7-multilib ibus-table-wubiunrar build-essential python-dev cmake git python-numpy python-scipy python-matplotlib　

                      (nautilus-open-terminal: 可以用右键在任何目录打开终端）

                       vim: 远比vi方便(请尽量用gedit)

　　　　　　ibus-table-wubi :安装五笔

          2 sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev  libopenblas-dev liblapack-dev libatlas-dev libhdf5-serial-dev protobuf-compiler

　　　　　　　libopencv-dev:从命令行安装opencv

                             libopenblas-dev: OpenBLAS库

          3  sudo apt-get install --no-install-recommends libboost1.55-dev libboost-filesystem1.55-dev libboost-thread1.55-dev libboost-python1.55

          4 sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

          5 sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libglu1-mesa libglu1-mesa-dev

          6  安装nvidia驱动（本人显卡：GeForce GTX 950 )：sudo apt-get install nvidia-352 nvidia-settings nvidia-prime

              安装完后，有两个有用的命令:nvidia-smi , nvidia-settings

              (重启一下）

　(3) cuda:本人用的是 cuda_7.0.28_linux.run

             安装：(1)第一项：问你要不要装nvidia驱动：no(此驱动的版本可能不对，而且前面通过命令行已装，)

                          (2)其它选yes

        此软件安好后，将得到一个可以写cuda程序的eclipse:   nsight( 在/usr/local/cuda/libnsight下，用sudo nsight启动，要有root权限)

    (4)  cudann: 本人下载的是：cudnn-7.0-linux-x64-v3.0-rc.tgz

　　　　将include目录下的cudnn.h拷贝到/usr/local/cuda/include下

　　　　将lib64目录下的so文件下拷贝到/usr/local/cuda/lib64下

　(5) caffe:自己到github或sourceforge去下载      (基本上所有的操作都要有root权限)

           1  cp Makefile.config.example Makefile.config

            2 sudo make all -j8（８线程并行编译）

          3 sudo make test -j8

          4 sudo make runtest -j8  (如杲测试成功，就成功了）

         5 用MNIST数据测试：sudo sh data/mnist/get_mnist.sh

                                                sudo  sh examples/mnist/create_mnist.sh

caffe.proto的生成：

在include/caffe下新建proto目录

protoc  src/caffe/proto/caffe.proto --cpp_out=include/caffe/proto
 将 include/caffe/proto/src/caffe/proto下的文件剪切到include/caffe/proto，删除include/caffe/proto/src

有人经常遇到安装完nvidia驱动后，分辨率变差（用本人的方法，绝无此问题，这绝对是有史以来最简单可靠的方法）

可以此法解之：

修改/etc/X11/xorg.conf:
Section "Monitor"
    Identifier     "Monitor0"
    VendorName     "Unknown"
    ModelName      "Unknown"
    #HorizSync       28.0 - 33.0
    #VertRefresh     43.0 - 72.0
    HorizSync      31.5 - 61.0
    VertRefresh    50.0 - 75.0
    Option         "DPMS"
EndSection
Section "Screen"
    Identifier     "nvidia"
    Device         "nvidia"
    Monitor        "Monitor0"
    DefaultDepth    24
    Option         "AllowEmptyInitialConfiguration" "on"
    Option         "IgnoreDisplayDevices" "CRT"
    Option         "ConstrainCursor" "off"
    SubSection     "Display"
        Depth       24
        #Modes      "nvidia-auto-select"
         Modes         "1024×768"
    EndSubSection
EndSection

参考文献

(1)

Krizhevsky A, Sutskever I, Hinton G E. Imagenet classification with deep convolutional neural networks[C]//Advances in neural information processing systems. 2012: 1097-1105.
 (此文是关于AlexNet的）ILSVRC2012的冠军

(2)

Simonyan K, Zisserman A. Very deep convolutional networks for large-scale image recognition[J]. arXiv preprint arXiv:1409.1556, 2014.

   (此文是关于VGGNet或OxfordNet的）

(3)

Szegedy C, Liu W, Jia Y, et al. Going deeper with convolutions[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2015: 1-9.

(此文是关于GoogLenet的）ILSVRC2014的冠军

 (4)                                

Jia Y, Shelhamer E, Donahue J, et al. Caffe: Convolutional architecture for fast feature embedding[C]//Proceedings of the 22nd ACM international conference on Multimedia. ACM, 2014: 675-678.

 

另外，目前最先进的ＣＮＮ：ResNet  (囊括ILSVRC2015 定位，分类，物体detection组的冠军，还有微软COCO数据集上的冠军)

(5)            

He K, Zhang X, Ren S, et al. Deep residual learning for image recognition[J]. arXiv preprint arXiv:1512.03385, 2015.

(要有爱迪生做１０００次实验的精神，但同时要提高自身的理论修养，因为思想可以走在实践的前面,这就是天才）