Ubuntu12.04上面用CPU编译使用caffe（不完全安装）

这段时间终于闲下来了，准备腾出点儿时间拿一些经典的deep model来练练手，= =！经过一顿的找啊，问啊。。。大家对caffe的反响都挺不错，原因就是它快！快是好事儿啊！能节省很多的开发时间，于是抡起袖子就干了！= =！问题又来了，我是ati的显卡。。。操蛋，还不支持CUDA，也就是我在使用caffe的时候不能用他的GPU加速模块。。。好忧伤，不过为了尝试一下这个开源的项目，我还是硬着头皮上啦！

1. 实际上caffe也是一些源码，安装实际上就是编译他然后把它放到相应的目录然后开放权限。要完成上面的行为，需要安装一些依赖的条件。如CUDA，BLAS（你可以安装ATLAS， MKL， OPENBLAS）还有OPENCV（我已经安装过opencv，版本是3.0）。

2.对于CUDA，我的电脑因为没有Nvidia的显卡，所以这一项我就非常华丽的跳过去了。

3.对于BLAS的安装，我们知道BLAS是一个求解现行系统的库，我安装的是ATLAS，开源而且好用，不像MKL商业版又贵，非商业版的又麻烦！直接安装

sudo apt-get install libatlas-base-dev

4.然后就是一些依赖项

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev

# glogwget https://google-glog.googlecode.com/files/glog-0.3.3.tar.gztar zxvf glog-0.3.3.tar.gzcd glog-0.3.3./configuremake && make install# gflagswget https://github.com/schuhschuh/gflags/archive/master.zipunzip master.zipcd gflags-mastermkdir build && cd buildexport CXXFLAGS="-fPIC" && cmake .. && make VERBOSE=1make && make install# lmdbgit clone git://gitorious.org/mdb/mdb.gitcd mdb/libraries/liblmdbmake && make install

在进行glog的安装的时候，可能会出现一些错误，比如找不到gflags，别因为这个就去先安装gflags啊！去官网上面搜索gflags-2.1.1，然后装上就可以正常安装glog。后面的如gflags你下载下来应该是master版本的，和lmdb一样，如果make不够权限安装，直接sudo make就行，install的时候也是一样的。

5.接下来就是编译caffe的源文件了，你可以去https://github.com/BVLC/caffe去ZIP下来，也可以用git clone，随你的便，我们这边不把重心放在怎么去下载他！编译可是一个很让人头疼的事情！不管那么多，直接按照官网的步骤先走！

cp Makefile.config.example Makefile.config# Adjust Makefile.config (for example, if using Anaconda Python)make allmake testmake runtest

你会发现，在你进行make all的时候，会提示报错CV_LOAD_IMAGE_COLOR找不到或者没有定义，不用慌张，去caffe安装包下面的src/caffe/layers这个文件夹下面，找到window_data_layer.cpp，然后找到包含这个宏名的语句，然后华丽的把它换成cv::IMREAD_COLOR，因为版本的问题，不同版本之间的宏名是不一样的！修改这个就可以了啊！然后继续make clean然后make all，又会有新的提示，说又找不到cv::imread(const string &name, int)，这不是开玩笑么？路径什么都正确，为什么就是找不到？后来仔细分析，发现应该还是没有包含某个共享文件so，去网上搜索发现，这个定义都在libopencv_imgcodecs.so，于是打开在caffe文件夹里面的Makefile文件，在opencv_core，opencv_highgui, opencv_imgproc这个后面加上opencv_imgcodecs然后编译，就可以正常运行啦！

6.由于我没有GPU，只是把整个源码编译了，没有把他安装，不过这样对我就已经足够啦！编译完成的bin文件和.a和.so文件都是可以直接用的，放在哪儿也没什么关系！从今天开始，正式开始玩耍deep learning啦！