caffe安装配置

来源：互联网发布：linux vi怎么保存退出编辑：程序博客网时间：2024/05/16 17:47

真是费了死劲了，坚持了快十天，终于装好了。不抱怨了赶紧记下如何搭建这个caffe吧。

一、首先在原有的win7系统下装载Ubuntu14.04 LTS（自己下载）网上有相关的教程，请参考win7下通过easyBCD引导安装Ubuntu14.04_百度经验http://jingyan.baidu.com/article/e4d08ffdace06e0fd2f60d39.html。装Ubuntu的时候分区我按照的是

swap交换分区：2G

boot分区：200M

usr分区：50G

home分区：300G

主分区（/)：30G

二、如果想要卸载Ubuntu，请参考文章win7下删除ubuntu（mbrfix恢复启动项）_火星烂菜_新浪博客http://blog.sina.com.cn/s/blog_71df60030100zmnh.html

三、Caffe （Convolution Architecture For Feature Extraction）作为深度学习CNN一个非常火的框架，对于初学者来说，搭建Linux下的Caffe平台是学习深度学习的第一步。

1、

1. 安装build-essentials

安装开发所需要的一些基本包

1: sudo apt-get install build-essential

2. 安装NVIDIA驱动

输入下列命令添加驱动源

   1: sudo add-apt-repository ppa:xorg-edgers/ppa   2: sudo apt-get update

安装340版本驱动（具体版本取决于电脑显卡的型号，详细可到NVIDIA官网查看）

   1: sudo apt-get install nvidia-340

安装完成后，继续安装下列包

   1: sudo apt-get install nvidia-340-uvm

安装驱动完毕，reboot.（重启电脑）

3. 安装CUDA 6.5

CUDA的Deb包安装较为简单，按照官网流程，事先安装必要的库

   1: sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

3.1 安装CUDA

然后通过以下命令获取Ubuntu 14.04 CUDA相关的repository package

   1: $ sudo dpkg -i cuda-repo-ubuntu1404_6.5-14_amd64.deb    2: $ sudo apt-get update

然后开始安装CUDA Toolkit

   1: $ sudo apt-get install cuda

这个过程需要一些时间，大家可以歇会。。。。。

3.2 环境配置

sudo vim ~/.bashrc

在最后加上：

export PATH=/usr/local/cuda-6.5/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-6.5/lib64:$LD_LIBRARY_PATH

保存后退出（按esc+:并且输入wq)

sudo ldconfig

3.3 安装CUDA SAMPLE

复制cudasdk下的samples复制到主目录home

验证系统环境变量是否设置正确，可以再进行一下这一步

cuda-install-samples-6.5.sh ~

验证驱动是否安装正确

cat /proc/driver/nvidia/version

正常情况会显示驱动版本

验证nvcc

nvcc –V

一般情况，会提示nvcc没有安装，因为cuda-toolkit没有安装完整。按照提示安装即可

sudo apt-get install nvidia-cuda-toolkit

安装完后，再次验证nvcc

编译cuda-samples

切换到cuda-samples所在目录 cd /home/NVIDA_CUDA-6.5_Samples

编译 make （如果提示没有make命令，请安装cmake。sudo apt-get install cmake)

编译完毕，切换release目录 cd /bin/x86_64/linux/release

运行实例 ./deviceQuery

如果以上过程都成功后，可以通过运行bin/x86_64/linux/release 下的deviceQuery来验证一下。如果出现以下信息，则说明驱动以及显卡安装成功

   1: ./deviceQuery Starting...

2:

   3:  CUDA Device Query (Runtime API) version (CUDART static linking)

4:

   5: Detected 1 CUDA Capable device(s)

6:

   7: Device 0: "GeForce GTX 670"

   8:   CUDA Driver Version / Runtime Version          6.5 / 6.5

   9:   CUDA Capability Major/Minor version number:    3.0

  10:   Total amount of global memory:                 4095 MBytes (4294246400 bytes)

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

  12:   GPU Clock rate:                                1098 MHz (1.10 GHz)

  13:   Memory Clock rate:                             3105 Mhz

  14:   Memory Bus Width:                              256-bit

  15:   L2 Cache Size:                                 524288 bytes

  16:   Maximum Texture Dimension Size (x,y,z)         1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)

  17:   Maximum Layered 1D Texture Size, (num) layers  1D=(16384), 2048 layers

  18:   Maximum Layered 2D Texture Size, (num) layers  2D=(16384, 16384), 2048 layers

  19:   Total amount of constant memory:               65536 bytes

  20:   Total amount of shared memory per block:       49152 bytes

  21:   Total number of registers available per block: 65536

  22:   Warp size:                                     32

  23:   Maximum number of threads per multiprocessor:  2048

  24:   Maximum number of threads per block:           1024

  25:   Max dimension size of a thread block (x,y,z): (1024, 1024, 64)

  26:   Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)

  27:   Maximum memory pitch:                          2147483647 bytes

  28:   Texture alignment:                             512 bytes

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

  30:   Run time limit on kernels:                     Yes

  31:   Integrated GPU sharing Host Memory:            No

  32:   Support host page-locked memory mapping:       Yes

  33:   Alignment requirement for Surfaces:            Yes

  34:   Device has ECC support:                        Disabled

  35:   Device supports Unified Addressing (UVA):      Yes

  36:   Device PCI Bus ID / PCI location ID:           1 / 0

  37:   Compute Mode:

  38:      < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

39:

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

  41: Result = PASS

4. 安装BLAS

Caffe的BLAS可以有三种选择，分别为atlas、mkl以及openBLAS。对于mkl可以到intel官网下载，解压完成后又一个install_GUI.sh文件，执行该文件会出现图形安装界面，根据说明一步一步执行即可。

也可对openBLAS源码进行编译，不过需要gcc以及gfortran等相关编译器。个人认为比较便捷的是atlas，在Caffe官网上有相关的介绍，对于Ubuntu，通过以下命令可以下载atlas

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

5. 安装OpenCV

OpenCV库安装可以通过网上写好的脚本进行下载：https://github.com/jayrambhia/Install-OpenCV

解压文档后，进入Ubuntu/2.4 给所有的shell脚本加上可执行权限

   1: chmod +x *.sh

然后执行 opencv2_4_9.sh 安装最新版本，注意，OpenCV 2.4.9不支持gcc-4.9以上的编译器！！

再或者可以通过ubuntu14.04中安装opencv2.4.9 - freedemos的个人空间 - 开源中国社区
http://my.oschina.net/u/1757926/blog/293976来配置opencv

6. 安装其他dependencies

对于Ubuntu 14.04，执行以下命令下载其他相关依赖库文件

   1: sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev   2: sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler

7. 安装python以及Matlab

首先安装pip和python –dev

   1: sudo apt-get install python-dev python-pip

以及caffe python wrapper所需要的额外包

   1: sudo pip install -r /path/to/caffe/python/requirements.txt

安装matlab请参考：Ubuntu14.04+cuda6.5+opencv2.4.9+MATLAB2013a+caffe配置记录（四）——安装MATLAB2013a - fische - 博客园http://www.cnblogs.com/fische/p/4101384.html

0 1