ubuntu14.04安装caffe+digits

最近在研究深度学习，对自己安装caffe+digits的过程进行一个总结。

1、安装ubuntu14.04

这里强烈推荐安装ubuntu14.04版本，不然caffe在其他的linux版本上安装总是会遇到很多莫名其妙的问题。（linux高手可忽略）

使用U盘安装，在bios的bootsequence>boot list option选择UEFI

ubuntu的安装这里不必多说，重点注意分区，留有足够大的空间存储数据，

还有一些训练会需要较大的内存，内存不够的情况下可以将交换分区（swap）划的大一些。还要留一定大小的启动分区

安装后替换源，作者目前使用的是清华ipv6的源

deb http://mirrors.6.tuna.tsinghua.edu.cn/ubuntu/ trusty mainrestricted universe multiverse

deb http://mirrors.6.tuna.tsinghua.edu.cn/ubuntu/trusty-security main restricted universe multiverse

deb http://mirrors.6.tuna.tsinghua.edu.cn/ubuntu/trusty-updates main restricted universe multiverse

deb http://mirrors.6.tuna.tsinghua.edu.cn/ubuntu/trusty-proposed main restricted universe multiverse

deb http://mirrors.6.tuna.tsinghua.edu.cn/ubuntu/trusty-backports main restricted universe multiverse

deb-src http://mirrors.6.tuna.tsinghua.edu.cn/ubuntu/ trustymain restricted universe multiverse

deb-src http://mirrors.6.tuna.tsinghua.edu.cn/ubuntu/trusty-security main restricted universe multiverse

deb-src http://mirrors.6.tuna.tsinghua.edu.cn/ubuntu/trusty-updates main restricted universe multiverse

deb-src http://mirrors.6.tuna.tsinghua.edu.cn/ubuntu/trusty-proposed main restricted universe multiverse

deb-src http://mirrors.6.tuna.tsinghua.edu.cn/ubuntu/trusty-backports main restricted universe multiverse

deb http://cran.cnr.berkeley.edu/bin/linux/ubuntu/ trusty/

替换pypi 源

 

pypi 镜像每 5分钟同步一次。

临时使用

pip install -i https://pypi.tuna.tsinghua.edu.cn/simplesome-package

注意，simple 不能少, 是 https 而不是 http

设为默认

修改 ~/.pip/pip.conf (没有就创建一个)， 修改 index-url至tuna，例如

[global]

index-url =https://pypi.tuna.tsinghua.edu.cn/simple

2安装cuda-7.5

作者的GPU是GTX970，可以支持CUDA7.5版本，这个安装没什么可说的，按照安装手册一步步来就可以。

下载地址：https://developer.nvidia.com/cuda-downloads

 

3安装cudnn-v4.0

cudnn4.0是目前cudnn最新的版本，在进一步提高速度的同时，加入了batch normalization等新技术的支持

到nvidia的官网https://developer.nvidia.com/rdp/cudnn-download下载

作者之前安装过别的版本的cuda和cudnn，所以在安装新版本的时候要把旧版本删掉，特别是路径/usr/local/cuda/lib64下面的要删干净，不然caffe会找到旧版本的cuda或cudnn。

 

4安装caffe

作者是到nvidia的官网下载caffe，注意不是BVLC版本的caffe，而是nvidia的分支，最新版本的caffe只支持cudnnv4.0，所以一定要安装正确的cudnn版本

在安装之前注意更改LD_LIBRARY_PATH

在~/.bashrc的最后加上

export PATH=/usr/local/cuda/bin:$PATH

export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

caffe的安装可以参照http://caffe.berkeleyvision.org/installation.html

首先需要预装一些支持库：

其中BLAS 支持 ATLAS, MKL或OpenBLAS，推荐使用OpenBLAS，速度更快。

如果不知道openblas在源中的名字，可以执行以下命令搜索

apt-cache search openblas

安装openblas命令

sudo apt-get install libopenblas-dev

在安装好支持后进行编译，caffe的编译有两种方式，一种是直接make，需要自己更改 Makefile.config文件，更改的地方有

USE_CUDNN := 1（去掉这行的注释，启用cudnn加速）

BLAS := open（blas默认使用的是atlas，替换为为open，使用openblas版本）

另外一种方式是cmake，会自动找到caffe依赖库的路径。作者觉得这两种方式其实都差不多。

caffe在ubuntu上面安装没有什么问题，顺利编译通过。这里提一下之前在suse上安装的时候cmake过程中遇到一个问题：

 error while loading shared libraries: libpython2.7.a（object.o）relocation R_X86_64_32S against `alocal symbol' can not be used when making a shared object; recompile with -fPIC，即提示需要recompile with -fpic。一开始我理解错误，以为是caffe需要重新编译，就不停的重编caffe，后来发现是python需要重新编译。这里把caffe和python使用-fPIC重新编译的方法都写一下：

caffe在build/CmakeCache.txt中设置CMAKE_CXX_FLAGS:STRING=-fPIC，之后再重新运行make

python的版本是2.7.10，重新编译需要运行./configure --enable-shared with –fPIC，这样在生成的makefile文件中就有了fpic标记。如果之前安装了python，注意下面以前的python库不论是静态库还是动态库都要删掉。

 

5安装digits

安装digits之前不要忘记在编译pycaffe。

作者安装的是digits3.0版本，也遇到了一个问题。按照手册安装完之后启动不起来服务。这是因为digits3.0使用的是新版本的Flask，需要将老版的Flask-WTF DataRequired重命名为Required

在 /usr/lib/python2.7/dist-packages/wtforms/validators.py在最后一行添加

DataRequired = Required

或者使用pip安装最新版本的flask, 不要用apt-get安装