ubuntu 1404下亲手配置caffe+cuda7.5

配置参考了博客：https://ouxinyu.github.io/Blogs/20151108001.html

第一部分：安装CUDA Toolkit7.5

参考官网信息：http://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#axzz48JszBYZR

1 用命令查看显卡信息，lspci | grep -i nvidia
发现显卡是： GM200 【GeForce GTX TITAN X】

2 查看Linux系统信息，uname -m && cat /etc/*release
查看内核版本， uname -r
手动安装内核版本所需要的头文件等，sudo apt-get install linux-headers-$(uname -r)

3 下载安装包deb，然后运行，sudo dpkg -i 安装包.deb
sudo apt-get update
sudo apt-get install cuda

4 设置环境变量，
exportPATH=/usr/local/cuda−7.5/bin:PATH （注意是：，而不是分号；）
exportLDLIBRARYPATH=/usr/local/cuda−7.5/lib64:LD_LIBRARY_PATH

5 进入/usr/local/cuda/samples，安装cuda samples
sudo make all
全部编译完成后， 进入 samples/bin/x86_64/linux/release, 运行deviceQuery
如果出现显卡信息， 则驱动及显卡安装成功。
*另外可以用命令，cat /proc/driver/nvidia/version 查看安装的驱动信息。
***The version of the CUDA Toolkit can be checked by running nvcc -V

6 如果要用cudnn加速的话，还需要下载对应的cudnn，注意最新版本的caffe需要V4
即将cudnn中的include和lib文件copy到cuda中，

• tar -zxvf cudnn-7.0-linux-x64-v4-prob.tgz

• cd cuda

• sudo cp -r lib64/lib* /usr/local/cuda/lib64/
  （注意，解压后的lib中有四个文件，分别是libcudnn.so, libcudnn.so.4, libcudnn.so.4.0.7, libcudnn_static.a）

• sudo cp cuda/include/cudnn.h /usr/local/cuda/include/

b. 链接cuDNN的库文件

$ sudo ln -sf /usr/local/cuda/lib64/libcudnn.so.4.0.7 /usr/local/cuda/lib64/libcudnn.so.4

$ sudo ln -sf /usr/local/cuda/lib64/libcudnn.so.4 /usr/local/cuda/lib64/libcudnn.so

$ sudo ldconfig -v

第二部分 Matlab安装和调试（以Matlab 2014b为例）

1.下载

由于该软件为商业软件，请大家自行寻找，安装学习，并确保不使用做商业目的，下载24小时删除……

1. 预准备

选择Mathworks.Matlab.R2014b.Unix.iso - 右键 - 使用磁盘映像挂载器打开”，进入装载的虚拟光盘，拷贝全部文件至home/Matlab 文件夹(PS：我的原则是能GUI就GUI，喜欢CMD的可以参照执行)

复制Crack/install.jar至 home/Matlab/java/jar/ 并覆盖源文件

$ sudo cp install.jar /home/Matlab/java/jar/

1. 授权安装文件夹

$ chmod a+x Matlab -R

1. 安装

$ sudo ./install

选项：不使用Internet安装

序列号： 12345-67890-12345-67890（对应安装文件中的）

默认路径：/usr/local/MATLAB/R2014b

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）

激活文件：license_405329_R2014a.lic （对应安装文件中的）

拷贝 libmwservices.so 至 /usr/local/MATLAB/R2014b/bin/glnxa64

$ sudo cp libmwservices.so /usr/local/MATLAB/R2014b/bin/glnxa64/

5.解决编译器gcc/g++版本问题。

因为Ubuntu 15.04的gcc/g++版本是4.9.2，而Matlab 2014a（2015a）的版本是4.7.x所以在使用matla调用mex文件的时候，基本上都会报错，根据报错信息，考虑如下两步解决方案。

A. 降级安装gcc/g++版本为4.7.x

(a). 下载gcc/g++ 4.7.x

$ sudo apt-get install -y gcc-4.7

$ sudo apt-get install -y g++-4.7

(b). 链接gcc/g++实现降级

$ cd /usr/bin

$ sudo rm gcc

$ sudo ln -s gcc-4.7 gcc

$ sudo rm g++

$ sudo ln -s g++-4.7 g++

第三部分 Caffe-Master的安装和测试

对于Caffe的安装严格遵照官网的要求来：http://caffe.berkeleyvision.org/installation.html

一、安装BLAS

这里可以选择（ATLAS，MKL或者OpenBLAS），我这里使用MKL，首先下载并安装英特尔® 数学内核库 Linux* 版MKL(Intel(R) Parallel Studio XE Cluster Edition for Linux 2016)，下载链接是：https://software.intel.com/en-us/intel-education-offerings， 使用学生身份（邮件 + 学校）下载Student版，填好各种信息，可以直接下载，同时会给你一个邮件告知序列号。下载完之后，要把文件解压到home文件夹(或直接把tar.gz文件拷贝到home文件夹,为了节省空间，安装完记得把压缩文件给删除喔～)，或者其他的ext4的文件系统中。

接下来是安装过程，先授权，然后安装：

$ tar zxvf parallel_studio_xe_2016.tar.gz （如果你是直接拷贝压缩文件过来的）

$ chmod a+x parallel_studio_xe_2016 -R

$ sh install_GUI.sh

PS: 安装的时候，建议使用root权限安装，过程中会要求输入Linux的root口令。（设置方法：命令行：$ sudo passwd）SUDO

二、MKL与CUDA的环境设置

序列号：2JXL-FP6DGL46

1. 新建intel_mkl.conf， 并编辑之：

$ sudo gedit /etc/ld.so.conf.d/intel_mkl.conf

/opt/intel/lib/intel64

/opt/intel/mkl/lib/intel64

1. 新建cuda.conf，并编辑之：

$ sudo gedit /etc/ld.so.conf.d/cuda.conf

/usr/local/cuda/lib64

/lib

1. 完成lib文件的链接操作，执行：

$ sudo ldconfig -v

三、安装Caffe所需要的Python环境

1 按caffe官网的推荐使用Anaconda

去Anaconda官网下载安装包 http://continuum.io/downloads#all

切换到文件所在目录，执行 bash Anaconda-2.3.0-Linux-x86_64.sh

2 在/etc/ld.so.conf最后加入以下路径，并没有出现重启不能进入界面的问题(NOTE:下边的username要替换)
/home/username/anaconda2/lib （注意，一定是anaconda2，不是anaconda）

3 在~/.bashrc最后添加下边路径
export LD_LIBRARY_PATH=”/home/username/anaconda2/lib:$LD_LIBRARY_PATH” （注意，一定是anaconda2，不是anaconda）

四、安装OpenCV3.1

1 参考官网教程：http://docs.opencv.org/3.0-last-rst/doc/tutorials/introduction/linux_install/linux_install.html

2 运行下列命令安装第三方库，
[compiler] sudo apt-get install build-essential
[required] sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
[optional] sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

3 然后下载opencv-3.1.0和opencv_contrib，可以直接下载然后解压，也可以通过如下命令，

git clone https://github.com/Itseez/opencv.git
git clone https://github.com/Itseez/opencv_contrib.git

4 然后创建一个build文件夹，用于编译opencv
cd ~/opencv
mkdir build
cd build
-D BUILD_TIFF=ON
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local -D OPENCV_EXTRA_MODULES_PATH=path to opencv_contrib/modules/ ..

sudo make -j7 ###### runs 7 jobs in parallel

sudo make install

五、安装其他依赖项

1. Google Logging Library（glog），下载地址：https://code.google.com/p/google-glog/，然后解压安装：

$ tar zxvf glog-0.3.3.tar.gz

$ ./configure

$ make

$ sudo make install

如果没有权限就chmod a+x glog-0.3.3 -R , 或者索性 chmod 777 glog-0.3.3 -R , 装完之后，这个文件夹就可以kill了。

2 其他依赖项，确保都成功

$ sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler protobuf-c-compiler protobuf-compiler

六、安装Caffe并测试

1. 安装pycaffe必须的一些依赖项：
   安装annconda后可以不用再装了。

$ sudo apt-get install -y python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags Cython ipython

2 切换到Caffe-master的文件夹，生成Makefile.config配置文件，执行：

$ cp Makefile.config.example Makefile.config

3 配置Makefile.config文件（仅列出修改部分

a. 启用CUDNN，去掉”#”

USE_CUDNN := 1

b. 启用OpenCV 3.0, 去掉”#”

OPENCV_VERSION =3

c. 启用CUDA
CUDA_DIR := /usr/lcoal/cuda

d. 启用Intel Parallel Studio XE 2016

BLAS := mkl

e. 配置路径，实现caffe对Python和Matlab接口的支持

启用ANACONDA

ANACONDA_HOME := $(HOME)/anaconda2
PYTHON_INCLUDE :=
PYTHON_LIB :=

启用MATLAB

MATLAB_DIR :=

f. 配置一些引用文件（增加部分主要是解决新版本下，HDF5的路径问题），注意，HDF5的lib和库在anaconda2中。

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/lib/anaconda2/include

LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/anaconda2/lib

1. 编译caffe-master！！！”-j12”是使用CPU的多核进行编译，可以极大地加速编译的速度，建议使用。注意，我们的计算机是12核的

$ make all -j12 如果出错，就少用了几个核再试试

$ make test -j12

$ make runtest -j12

编译Python和Matlab用到的caffe文件

$ make pycaffe -j12

$ make matcaffe -j12

六、使用MNIST数据集进行测试

Caffe默认情况会安装在CAFFEROOT，就是解压到那个目录，例如： home/username/caffe-master，所以下面的工作，默认已经切换到了该工作目录。下面的工作主要是，用于测试Caffe是否工作正常，不做详细评估。具体设置请参考官网：http://caffe.berkeleyvision.org/gathered/examples/mnist.html

1. 数据预处理

$ sh data/mnist/get_mnist.sh

1. 重建lmdb文件。Caffe支持多种数据格式输入网络，包括Image(.jpg, .png等)，leveldb，lmdb，HDF5等，根据自己需要选择不同输入吧。

$ sh examples/mnist/create_mnist.sh

生成mnist-train-lmdb 和 mnist-train-lmdb文件夹，这里包含了lmdb格式的数据集

1. 训练mnist

$ sh examples/mnist/train_lenet.sh