linux caffe环境配置

1.环境准备sudo apt-get install gitsudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compilersudo apt-get install --no-install-recommends libboost-all-devsudo apt-get install libatlas-base-devsudo apt-get install python-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install build-essential

2.下载caffe源码

$ git clone git://github.com/BVLC/caffe.git

$ cd caffe/

$ mv Makefile.config.example Makefile.config

3.安装python

$ forreqin$(catrequirements.txt);dopipinstall$req;done

编译pycaffe和配置环境变量

1.在caffe跟目录下，终端输入命令

make pycaffe -j 

2.改变环境变量

vim ~/.bashrc

#添加下面内容export PYTHONPATH=/home/youname/caffe/python:$PYTHONPATH #注意修改下自己的路径#保存后，更新并执行source ~/.bashrc   

3.尝试使用pycaffe
终端输入命令

pythonimport caffe

如下图所示

4.matlab安装

1）先获取root权限 

sudo su

首先从百度网盘上下载Linux版的MATLAB 2014a及其破解文件，其链接如下：

　　　　链接：http://pan.baidu.com/s/1geMy0BT 密码：a6by

　　下载下来的文件有两个.rar压缩包，解压后得到一个大小为7.19GB的ISO镜像文件

2）然后按照以前的步骤来，不过这次没有创建快捷方式，因为根本没用过==。
下载完成后将iso文件挂载到Linux

sudo mkdir /media/matlabmount -o loop [path][filename].iso /media/matlabcd /media/matlabsudo ./install

进行安装，安装路径：/usr/local/MATLAB/R2014a
PS：需要注意的是，我下载到的文件里面 readme.txt里没有序列号，所以我就随便填了一个
选项：不使用Internet安装
序列号： 12313-94680-65562-90832
默认路径：/usr/local/MATLAB/R2014a
勾选从默认启动路径创建符号链接（实现在任意位置运行matlab启动程序）

3.最后会出现“激活MATLAB”的选项，勾选，点击下一步，选择“不使用Internet手动激活”，然后选择 “输入许可证文件的完整路径（包括文件名）”，浏览DOWNLOAD_PATH\Matlab\Crack许可证文件“license_405329_R2014a.lic”，插入许可证，即可完成激活。

　　4、将DOWNLOAD_PATH\Matlab\Crack\Linux文件夹下的“libmwservices.so”替换你所安装的Matlab2014a的bin\glnxa64文件夹里面的“libmwservices.so”。

　　　 sudo cp /DOWNLOAD_PATH/Matlab/Crack/Linux/libmwservices.so /INSTALL_PATH/MATLAB/R2014a/bin/glnxa64/libmwservices.so

　　    将DOWNLOAD_PATH\Matlab\Crack文件夹下的“install.jar”替换你所安装的Matlab2014a的jave\jar文件夹里面的“install.jar”。

　　　 sudo cp /DOWNLOAD_PATH/Matlab/Crack/install.jar /INSTALL_PATH/MATLAB/R2014a/java/jar/install.jar

　　5、MATLAB的安装至此完成啦~ sudo matlab 就能打开MATLAB了。

　　6、修改caffe目录下的Makefile.config文件，主要是在其中加入新安装的MATLAB的路径。

 　　　　　　

　　7、编译接口。在caffe目录打开终端，输入make matcaffe。由于我安装的gcc版本是4.8，而MATLAB2014a支持的版本是4.7.X，因此出现警告，但不用管它。

　　8、测试接口。在caffe目录打开终端，输入make mattest，得到下图即表示测试成功。

　　　　　　

make matcaffe 错误解决办法

 在Makefile里面，大约第410行那一句话CXXFLAGS += -MMD -MP下面添加CXXFLAGS += -std=c++11，最后是这样
CXXFLAGS += -MMD -MP
CXXFLAGS += -std=c++11
然后在caffe根目录下make clean,make all

5.cuda安装

https://developer.nvidia.com/cuda-downloads 选择对应系统下载

终端中运行：$ lsmod | grep nouveau，如果有输出则代表nouveau正在加载。

Ubuntu的nouveau禁用方法：
在/etc/modprobe.d中创建文件blacklist-nouveau.conf，在文件中输入一下内容（sudo gedit /etc/modprobe.d/blacklist-nouveau.conf）

blacklist nouveauoptions nouveau modeset=0

打开终端，运行

$ sudo update-initramfs –u

设置完毕可以再次运行 $ lsmod | grep nouveau 检查是否禁用成功，如果运行后没有任何输出，则代表禁用成功。

b) 重启电脑，到达登录界面时，alt+ctrl+f1，进入text mode，登录账户

首先进入tty，输入用户名和密码。

　　关闭图形界面： 

sudo stop lightdm

　　安装驱动：（更改驱动名称）

1

2

sudo chmod -R 777 NVIDIA-Linux-x86_64-352.21.run         

sudo sh NVIDIA-Linux-x86_64-352.21.run

　　安装CUDA：

1

2

sudo chmod -R 777 cuda_7.0.28_linux.run

sudo ./cuda_7.0.28_linux.run

　　安装过程都默认路径就好。CUDA7会提示安装完了Driver、Toolkit和Samples。

　　　　备注1：如果之前你单独安装了驱动，安装CUDA时，驱动安装部分可以跳过。

　　　　备注2：安装Samples可能会提示 缺少一些库，simple 也可之后编译测试。　

　　打开图形界面

1

sudo start lightdm



g) 设置环境变量。

终端中输入 $ sudo gedit /etc/profile
在打开的文件末尾，添加以下两行。

$ export PATH=/usr/local/cuda-7.5/bin:$PATH$ export LD_LIBRARY_PATH=/usr/local/cuda7.5/lib64

保存文件。

这里有点与官方安装文档稍有不同，需要说明：

官方文档里说只需在终端中运行上述两条export语句即可，但如果不将它们不写入/etc/profile文件的话，这样的环境变量在你退出终端后就消失了，不起作用了，所以写入才是永久的做法。

h) 重启电脑，检查上述的环境变量是否设置成功。

终端中输入 : $ env
在输出的环境变量中检查有无上述 g) 中设置的变量，如果有则代表设置成功。

---

到此为止，CUDA的安装算是告一段落了。为了保险起见，建议进行下述的检查工作，确保真正的安装成功。

安装完毕后的检查工作。

a) 检查 NVIDIA Driver是否安装成功

终端输入 ：$ cat /proc/driver/nvidia/version 会输出NVIDIA Driver的版本号

b) 检查 CUDA Toolkit是否安装成功

终端输入 ： $ nvcc –V 会输出CUDA的版本信息

下载http://download.csdn.net/detail/eagelangel/9617094

c) 尝试编译cuda提供的例子

切换到例子存放的路径，默认路径是 ~/NVIDIA_CUDA-7.5_Samples
（即 /home/xxx/ NVIDIA_CUDA-7.5_Samples， xxx是你自己的用户名）

然后终端输入：$ make

如果出现错误的话，则会立即报错停止，否则会开始进入编译阶段。
我的第一次运行时出现了报错，提示的错误信息是系统中没有gcc
然后在终端运行 $ sudo apt-get install gcc 安装完gcc后 再make就正常了
整个编译的时间持续比较长，耐心等待，大概十几分钟是需要的。

d) 运行编译生成的二进制文件。

编译后的二进制文件 默认存放在~/NVIDIA_CUDA-7.5_Samples/bin中。
切换路径 ： cd ~/NVIDIA_CUDA-7.5_Samples/bin/x86_64/linux/release
终端输入 ：$ ./deviceQuery

看到类似如下图片中的显示，则代表CUDA安装且配置成功（congratulation！！）

再检查一下系统和CUDA-Capable device的连接情况
终端输入 ： $ ./sandwidthTest
看到类似如下图片中的显示，则代表成功







6.cuDNN

具体的cudnn安装如下，其实都不能算是安装，就是把文件拷贝到cuda目录，改变一下权限。

tar xvzf cudnn-7.5-linux-x64-v4.tgz #这里要注意你下载的版本，需要解压你下载的对应版本的文件#解压后的文件夹名字是cudasudo cp cuda/include/cudnn.h /usr/local/cuda/includesudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
b. 安装cuDNN
cuDNN 介绍和下载地址：cuDNN Introdution and Download（下载在最下面，需要注册）
$ sudo cp cudnn.h /usr/local/include
$ sudo cp libcudnn.so /usr/local/lib
$ sudo cp libcudnn.so.6.5 /usr/local/lib
$ sudo cp libcudnn.so.6.5.48 /usr/local/lib
c. 链接cuDNN的库文件
$ sudo ln -sf /usr/local/lib/cudnn.so.6.5.48 /usr/local/lib/libcudnn.so.6.5
不做链接，可能会出现这个报错：“./build/tools/caffe:error while loading shared libraries: libcudnn.so.6.5: cannot open sharedobject file: No such file or directory”那是因为cuDNN没有链接成功，只能做一下硬链接。
$ sudo ldconfig -v

改变环境变量方法

方法一：临时生效

1. PATH=PATH=/why/:$PATH

   （将新路径添加到PATH变量中，多个路径中间用：隔开。此方法是临时生效，终端关闭后路径将会消失）

   

2. 添加完成之后，在所在路径下接执行why测试，若没有相同文件名可直接在根目录下执行。（注意要修改新加文件的执行权限），详细步骤见下图所示

   

3. 方法二：永久生效

   echo 'PATH="/why/:$PATH"'>>/etc/profile   #将新路径添加到profile文件中，使其永久生效

4. tail -1 /etc/profile  #查看是否添加成功

5. source /etc/profile  #使新加的环境变量立即生效

   

   
6. 6

   同时也可以修改家目录下的.bashrc或者.bash_profile 也可以添加PATH环境变量（方法同上），非root用户只能采用这个方法

   
7. opencv请参考
8. www.samontab.com/web/2014/06/installing-opencv-2-4-9-in-ubuntu-14-04-lts/
9. 若出错加上-D BUILD_opencv_gpu=OFF
   

http://www.linuxidc.com/Linux/2015-07/120449.htm       python°²×°
https://github.com/BVLC/caffe/tree/windows        ÍøÓÑÍÆŒöcaffe
http://www.linuxidc.com/Linux/2016-07/132860.htm        matlab°²×°
http://jingyan.baidu.com/article/fdbd4277c118ccb89e3f4817.html      matlabŽò²»¿ª·œ·š
http://www.linuxidc.com/Linux/2016-09/135034.htm       python°²×°   
http://blog.csdn.net/niehui61/article/details/50521714  
http://blog.csdn.net/ture_dream/article/details/52651746    gcc g++
http://www.caffecn.cn/?/question/1113        matlab±šŽí
http://blog.csdn.net/ws_20100/article/details/50525879       matlabÀý³Ì
http://www.07net01.com/2016/11/1729140.html     http://blog.csdn.net/u011244794/article/details/51565786     caffeÀý³Ì
http://www.cnblogs.com/zhanglianbo/p/5648261.html
http://blog.csdn.net/thomascai001/article/details/52858023
http://blog.csdn.net/hejunqing14/article/details/50265049         matlab¹ÒÔØ
http://www.cnblogs.com/liu-kk9966/p/6230958.html          matlab caffe
http://www.2cto.com/os/201607/528798.html        cuda°²×°
http://www.cnblogs.com/zhanglianbo/p/5648261.html      ˳ÊÖcuda
nvcc warning : The 'compute_20', 'sm_20', and 'sm_21' architectures are deprecated, and may be removed in a future release (Use -Wno-deprecated-gpu-targets to suppress warning).
nvcc fatal   : Don't know what to do with 'šCV'
 
http://blog.csdn.net/masa_fish/article/details/51882183     cuda config
http://www.cnblogs.com/kunyuanjushi/p/5947066.html      all config
http://download.csdn.net/detail/eagelangel/9617094      youxiao cudnn
http://blog.csdn.net/u010900574/article/details/52201808      youxiao cudnn config
http://www.th7.cn/system/lin/201504/103380.shtml      cudnn yinglianjie