特別說明：

文章轉(zhuǎn)載自：https://ouxinyu.github.io/Blogs/20140723001.html

Caffe 官網(wǎng)地址：http://caffe.berkeleyvision.org/

這篇安裝指南，適合零基礎(chǔ)，新手操作，請高手勿要吐槽！

簡單介紹一下：Caffe，一種Convolutional Neural Network的工具包，和Alex的cuda-convnet功能類似，但各有特點。都是使用C++ CUDA進行底層編輯，Python進行實現(xiàn)，原作主要部署于Ubuntu，也有大神發(fā)布了Windows版，但其他相關(guān)資料較少，不適合新手使用，所以還是Ubuntu的比較適合新手。（相對而言）

本文主要包含5個部分，包括：

第一部分 Linux安裝

第二部分 nVidia驅(qū)動和CUDA Toolkit的安裝和調(diào)試（*.deb方法，特別推薦）

第二部分 nVidia驅(qū)動和CUDA Toolkit的安裝和調(diào)試（*.run方法）

第三部分 Python安裝和調(diào)試

第四部分 Matlab安裝和調(diào)試

第五部分 Caffe的安裝和測試

第一部分 Linux安裝

Linux的安裝，如果不是Linux粉，只是必須，被迫要用它來作作科研什么的，建議安裝成雙系統(tǒng)，網(wǎng)上方法很多，這里我就不詳細寫了，安裝還算是傻瓜式的，和windows的過程類似，至于語言，如果覺得難度還不夠大的話，完全可以裝E文版的，甚至日文，德文~~~，我是裝的簡體中文版，我總共用分出的500G的空間來安裝Ubuntu 14.04，這個版本是最新的版本，有個好處是，可以直接訪問Windows8.1的NTFS分區(qū)，不用做額外的操作，而且支持中文，例如：$ cd /media/yourname/分區(qū)名字/文件夾名，當然GUI就更方便了.

我的分區(qū)設置如下：

根分區(qū)： \ 100G，

Swap交換分區(qū)：16G ，這里，我設置和我的內(nèi)存一樣，據(jù)說小于16G的內(nèi)存，就設置成內(nèi)存的1.5-2倍

boot分區(qū)：200M

Home分區(qū)：剩余的空間，鑒于Imagenet，PASCAL VOC之類的大客戶，建議500G，至少300G以上。

PS：解決啟動分區(qū)錯誤

基本上，重裝起來，都會破壞原來的啟動分區(qū)表，還原Windows分區(qū)的一個簡單辦法：

$ sudo gedit etc/default/grub

設置：GRUB_DEFAULT = 2

$ sudo update-grub

該方法適用于安裝雙系統(tǒng)后，"看得到Linux，看不到Windows”的情況，反過來的話，請大家自己百度吧。

PS：關(guān)于我的筆記本的特例，僅供類似設備的參考

筆記本配置：技嘉P35X v3，i7-4720HQ@2.6G/16G/NVidia GTX 980 4G/Intel HD 4600/128G SSD*2 + 2T SATA *2

我的兩組硬盤SSD和SATA分別做Raid 0，目的是合并邏輯分區(qū)，沒有考慮冗余備份問題，最后的狀態(tài)是2個邏輯硬盤塊256G SSD + 4T SATA，用的GPA分區(qū)，最后導致利用Ubuntu的GRUB啟動界面找不到Windows分區(qū)。所以上面的方法失效。不過，可以通過筆記本的F12和Bios設置來實現(xiàn)啟動分區(qū)的選擇，并且我用Linux的機會很少，所以也就如此處理了，Linux高手可以自己折騰一下Grub啟動。Ubuntu 15.04安裝在SATA邏輯分區(qū)，SSD分區(qū)安裝Windows8.1。

第二部分兩種安裝方法，任選其一即可，推薦第一種方法(*.deb方法)。

關(guān)于安裝完CUDA進入不了桌面的問題，大概和顯卡的版本、驅(qū)動版本、系統(tǒng)都有關(guān)系，所以以下幾種方法，可以考慮嘗試（雖然是互斥的，但是都出現(xiàn)過解決此問題的情況）。1. 安裝CUDA時，不安裝OpenGL；2.不安裝獨立下載的顯卡驅(qū)動，只安裝CUDA內(nèi)置的；3. 不安裝CUDA內(nèi)置驅(qū)動，只安裝Toolkit，另外安裝官網(wǎng)下載的最新的顯卡驅(qū)動；4. 安裝完成后，切忌自動更新Linux系統(tǒng)。

第二部分：nVidia驅(qū)動和CUDA Toolkit的安裝和調(diào)試（*.deb方法）

PS：特別推薦*.deb的方法，目前已提供離線版的deb文件，該方法比較簡單，不需要切換到tty模式。這里以CUDA 7.0為例。

一、CUDA Repository

獲取CUDA安裝包,安裝包請自行去NVidia官網(wǎng)下載。

$ sudo dpkg -i cuda-repo-ubuntu1410-7-0-local_7.0-28_amd64.deb

$ sudo apt-get update

二、CUDA Toolkit

$ sudo apt-get install -y cuda

三、Environment Variables

$ export CUDA_HOME=/usr/local/cuda-7.0

$ export LD_LIBRARY_PATH=${CUDA_HOME}/lib64

$ PATH=${CUDA_HOME}/bin:${PATH}

$ export PATH

第二部分：nVidia驅(qū)動和CUDA Toolkit的安裝和調(diào)試（*.run方法）

PS：這里其實可以參考nVidia 官方提供的CUDA安裝手冊，非常相近，32頁的，不過是全英文的，我就是參考這個文檔完成后面的配置和驗證工作。https://developer.nvidia.com/rdp/cuda-65-rc-toolkit-download#linux。一般要輸入你的用戶名和密碼，就是下載6.5的那個賬號。

一、Verify You Have a CUDA-Capable GPU

執(zhí)行下面的操作，然后驗證硬件支持GPU CUDA，只要型號存在于https://developer.nvidia.com/cuda-gpus，就沒問題了

$ lspci | grep -i nvidia

二、Verify You Have a Supported Version of Linux

$ uname -m && cat /etc/*release

重點是“x86_64”這一項，保證是x86架構(gòu)，64bit系統(tǒng)

三、Verify the System Has gcc Installed

$ gcc --version

沒有的話就先安裝吧，這個是必須的用來編譯CUDA Toolkit，不過Ubuntu 14.04是默認有的

四、Download the NVIDIA CUDA Toolkit

下載地址：https://developer.nvidia.com/cuda-toolkit

驗證地址：https://developer.nvidia.com/rdp/cuda-rc-checksums

$ md5sum filename

例如：md5sum cuda_6.5.11_rc_linux_64.run ，這個文件的正確 md5 = a47b0be83dea0323fab24ca642346351

這個感覺蠻重要，我第一次安裝的時候md5就沒通過，強制安裝，結(jié)果就有問題，后面重新下載了再安裝了一次

五、Handle Conflicting Installation Methods

根據(jù)官網(wǎng)介紹，之前安裝的版本都會有沖突的嫌疑

所以，之前安裝的Toolkit和Drievers就得卸載，屏蔽，等等

六、Graphical Interface Shutdown

退出GUI，也就是X-Win界面，操作方法是：同時按：CTRL+ALT+F1（F2-F6），切換到TTY1-6命令行模式。

關(guān)閉桌面服務：

$ sudo stop lightdm

七、Interaction with Nouveau

Nouveau是一個開源的顯卡驅(qū)動，Ubuntu 14.04 默認安裝了，但是它會影響nVidia驅(qū)動的安裝，所以只有請他回老家了，sorry！

$ sudo vi /etc/modprobe.d/nvidia-graphics-drivers.conf

寫入：blacklist nouveau

保存并退出: wq!

檢查：$ cat nvidia-graphics-drivers.conf

$ sudo vi /etc/default/grub

末尾寫入：rdblacklist=nouveau nouveau.modeset=0

保存并退出: wq!

檢查：$ cat /etc/default/grub

八、Installation CUDA 6.5

切換到cuda_6.5.11_rc_linux_64.run 所在的目錄，然后執(zhí)行安裝命令：

$ sudo sh cuda_6.5.11_rc_linux_64.run

再次提醒，安裝前一定要執(zhí)行 md5sum ，至于如果發(fā)現(xiàn)md5檢測不一致，怎么辦？別逗了，去nVidia重新下載就行了，地球人都知道，別無限循環(huán)就好^_^!

這里會一路問你各種問題，基本上就是Accept-yes-Enter-yes-Enter-yes-Enter， 其實就是讓你接受協(xié)議，然后安裝的默認位置確認等等，recruit就別自定義安裝位置了，默認才是天堂。

九、Extra Libraries

安裝一些必要的庫文件，譬如：OpenGL (e.g., Mesa), GLU, GLUT, and X11 (including Xi, Xmu, and GLX).

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

十、驅(qū)動裝完了，可以回到GUI界面了，也可以繼續(xù)留這里玩文本。。。

$ sudo start lightdm

十一、POST-INSTALLATION ACTIONS

1. Environment Setup

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

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

PS：如果出現(xiàn)安裝失敗，重啟系統(tǒng)，重新安裝一遍基本都可以解決，實在不行就卸載原來的驅(qū)動再安裝一遍。

a. 卸載現(xiàn)有驅(qū)動

$ sudo nvidia-installer --uninstall

b. 重裝CUDA Toolkit

$ sudo sh cuda_6.5.11_rc_linux_64.run

好了，到這里所有nVidia CUDA的安裝就結(jié)束了，下面看看Caffe如何安裝

第三部分 Python安裝和調(diào)試

1. 安裝IDE運行環(huán)境

選擇一個適合你的IDE運行環(huán)境，我是用的是Spyder，因為它內(nèi)置了 iPython 環(huán)境，Caffe有不少的程序是基于 iPython 環(huán)境完成的。安裝方法很簡單，直接在Ubuntu軟件中心搜索“spyder”即可安裝。

2. iPython NoteBook 安裝

另外一個比較推薦的方法是使用iPyhthon NoteBook（基于瀏覽器的Python IDE），特別是適合需要用Python做教程的老師們，可以直接導出.py, .ipynb, html格式，安裝步驟如下：

$ sudo apt-get install -y ipython-notebook pandoc

啟動(自動打開瀏覽器):

$ ipython nootbook

一個簡單的使用iPython NoteBook生成的html的例子：examples_notebook.htmlexample_notebook.ipynb

3. 配置和編譯pycaffe（見第五部分）

第四部分 Matlab安裝和調(diào)試

1.下載

由于該軟件為商業(yè)軟件，請大家自行尋找，安裝學習，并確保不使用做商業(yè)目的，下載24小時刪除......

2. 預準備

選擇Mathworks.Matlab.R2014a.Unix.iso - 右鍵 - 使用磁盤映像掛載器打開”

進入裝載的虛擬光盤，拷貝全部文件至home/Matlab 文件夾

(PS：我的原則是能GUI就GUI，喜歡CMD的可以參照執(zhí)行)

復制Crack/install.jar至 home/Matlab/java/jar/ 并覆蓋源文件

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

3. 授權(quán)安裝文件夾

$ chmod a+x Matlab -R

4. 安裝

$ sudo ./install

選項：不使用Internet安裝

序列號： 12345-67890-12345-67890

默認路徑：/usr/local/MATLAB/R2014a

激活文件：license_405329_R2014a.lic

拷貝 libmwservices.so 至 /usr/local/MATLAB/R2014a/bin/glnxa64

$ sudo cp libmwservices.so /usr/local/MATLAB/R2014a/bin/glnxa64/

安裝完畢，程序默認啟動路徑：

$ sh /usr/local/MATLAB/R2014a/bin/matlab

5.解決編譯器gcc/g++版本問題。（這里因為折騰了一會，所以只做參考，基本流程就2步，有問題，大家可以自己嘗試。）

因為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調(diào)用mex文件的時候，基本上都會報錯，根據(jù)報錯信息，考慮如下兩步解決方案。

1. 降級安裝gcc/g++版本為4.7.x

(1). 下載gcc/g++ 4.7.x

$ sudo apt-get install -y gcc-4.7

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

(2). 鏈接gcc/g++實現(xiàn)降級

$ cd /usr/bin

$ sudo rm gcc

$ sudo ln -s gcc-4.7 gcc

$ sudo rm g++

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

2. 暴力引用新版本GLIBCXX_3.4.20

$ sudo cp /usr/lib/x86_64-linux-gnu/libstdc++.so.6.0.20 /usr/local/MATLAB/R2014a/sys/os/glnxa64/libstdc++.so.6.0.20 （libstdc++.so.6.0.20的版本，可能因為系統(tǒng)不同而不同，使用最新的就可以了。）

目錄切換到 /usr/local/MATLAB/R2014a/sys/os/glnxa64/ ，非常重要！

$ sudo mv libstdc++.so.6 libstdc++.so.6.backup （僅僅是備份，可以不操作）。

$ sudo ln -s libstdc++.so.6.0.20 libstdc++.so.6

$ sudo ldconfig -v

通過命令“strings /usr/local/MATLAB/R2014a/sys/os/glnxa64/libstdc++.so.6 | grep GLIBCXX_” 可以看一下，是否已經(jīng)成功包含了GLIBCXX_3.4.20，如果已經(jīng)存在，基本上就成功了。

6.編譯Matlab用到的caffe文件（見第五部分）

第五部分 Caffe的安裝和測試

對于Caffe的安裝嚴格遵照官網(wǎng)的要求來：http://caffe.berkeleyvision.org/installation.html

一、安裝BLAS

這里可以選擇（ATLAS，MKL或者OpenBLAS），我這里使用MKL，首先下載并安裝英特爾? 數(shù)學內(nèi)核庫 Linux* 版MKL，下載鏈接是：https://software.intel.com/en-us/intel-education-offerings， 請下載Student版，先申請，然后會立馬收到一個郵件（里面有安裝序列號），打開照著下載就行了。下載完之后，要把文件解壓到home文件夾(或直接把tar.gz文件拷貝到home文件夾,為了節(jié)省空間，安裝完記得把壓縮文件給刪除喔～)，或者其他的ext4的文件系統(tǒng)中。

接下來是安裝過程，先授權(quán)，然后安裝：

$ tar zxvf parallel_studio_xe_2015.tar.gz （如果你是直接拷貝壓縮文件過來的）

$ chmod a+x parallel_studio_xe_2015 -R

$ sudo ./install_GUI.sh

二、MKL與CUDA的環(huán)境設置

1. 新建intel_mkl.conf， 并編輯之：

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

/opt/intel/lib/intel64

/opt/intel/mkl/lib/intel64

2. 新建cuda.conf，并編輯之：

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

/usr/local/cuda/lib64

/lib

3. 完成lib文件的鏈接操作，執(zhí)行：

$ sudo ldconfig -v

三、安裝OpenCV 3.0.0

1. 下載并編譯OpenCV（官網(wǎng)原版OpenCV：http://opencv.org/）， 或者使用本站提供的修改版的安裝包Install-OpenCV-master（下面的安裝方式使用該包完成，安裝包修改了dependencies.sh文件并增加了OpenCV 3.0.0的安裝文件，同時保留了原來的2.3x和2.4x版）

2. 切換到文件保存的文件夾，然后安裝依賴項：

$ sudo sh Ubuntu/dependencies.sh

3. 切換目錄Ubuntu\3.0\安裝OpenCV 3.0.0rc1：

$ sudo sh opencv3_0_0-rc1.sh

保證網(wǎng)絡暢通，因為軟件需要聯(lián)網(wǎng)這里時間較長，請耐心等待。。。，

四、安裝其他依賴項

1. Google Logging Library（glog），下載地址：https://code.google.com/p/google-glog/，然后解壓安裝：

$ tar zxvf glog-0.3.3.tar.gz

$ ./configure

$ make

$ sudo make install

如果沒有權(quán)限就chmod a+x glog-0.3.3 -R , 或者索性 chmod 777 glog-0.3.3 -R , 裝完之后，這個文件夾就可以kill了。

2. 其他依賴項，確保都成功

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

$ sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler

五、安裝Caffe并測試

1. 安裝pycaffe必須的一些依賴項：

$ 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

$ sudo apt-get install -y protobuf-c-compiler protobuf-compiler

2. 安裝配置nVidia cuDNN 加速Caffe模型運算

a. 安裝cuDNN

該改版本caffe-master默認支持cudnn-6.5-linux-x64-v2，使用cudnn-6.5-linux-R1會報錯，安裝前請去先官網(wǎng)下載最新的cuDNN。

$ 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

b. 鏈接cuDNN的庫文件

$ sudo ln -sf /usr/local/lib/libcudnn.so.6.5.48 /usr/local/lib/libcudnn.so.6.5

$ sudo ln -sf /usr/local/lib/libcudnn.so.6.5 /usr/local/lib/libcudnn.so

$ sudo ldconfig -v

3. 切換到Caffe-master的文件夾，生成Makefile.config配置文件，執(zhí)行：

$ cp Makefile.config.example Makefile.config

4. 配置Makefile.config文件（僅列出修改部分）

a. 啟用CUDNN，去掉"#"（目前caffe-master仍然只支持R1版本）

USE_CUDNN := 1

b. 啟用GPU，添加注釋"#"

# CPU_ONLY := 1

c. 配置一些引用文件（增加部分主要是解決新版本下，HDF5的路徑問題）

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/lib/x86_64-linux-gnu/hdf5/serial/include

LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial

d. 啟用Intel Parallel Studio XE 2015 Professional Edition for C++ Linux

BLAS := mkl

e. 配置路徑，實現(xiàn)caffe對Python和Matlab接口的支持

PYTHON_LIB := /usr/local/lib

MATLAB_DIR := /usr/local/MATLAB/R2014a

5. 配置Makefile文件（實現(xiàn)對OpenCV 3.x的支持）

查找“Derive include and lib directories”一節(jié)，修改“LIBRARIES +=”的最后一行，增加opencv_imgcodecs

opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs

6. 編譯caffe-master！?。?-j8"是使用CPU的多核進行編譯，可以極大地加速編譯的速度，建議使用。

$ make all -j8

$ make test -j8

$ make runtest -j8

編譯Python和Matlab用到的caffe文件

$ make pycaffe -j8

$ make matcaffe -j8

六、使用MNIST數(shù)據(jù)集進行測試

Caffe默認情況會安裝在$CAFFE_ROOT，就是解壓到那個目錄，例如：$ home/username/caffe-master，所以下面的工作，默認已經(jīng)切換到了該工作目錄。下面的工作主要是，用于測試Caffe是否工作正常，不做詳細評估。具體設置請參考官網(wǎng)：http://caffe.berkeleyvision.org/gathered/examples/mnist.html

1. 數(shù)據(jù)預處理

$ sh data/mnist/get_mnist.sh

2. 重建lmdb文件。Caffe支持三種數(shù)據(jù)格式輸入網(wǎng)絡，包括Image(.jpg, .png等)，leveldb，lmdb，根據(jù)自己需要選擇不同輸入吧。

$ sh examples/mnist/create_mnist.sh

生成mnist-train-lmdb 和 mnist-train-lmdb文件夾，這里包含了lmdb格式的數(shù)據(jù)集

3. 訓練mnist

$ sh examples/mnist/train_lenet.sh

至此，Caffe安裝的所有步驟完結(jié)，下面是一組簡單的數(shù)據(jù)對比，實驗來源于MNIST數(shù)據(jù)集，主要是考察一下不同系統(tǒng)下CPU和GPU的性能。可以看到明顯的差別了，雖然MNIST數(shù)據(jù)集很簡單，相信復雜得數(shù)據(jù)集，差別會更大，Ubuntu+GPU是唯一的選擇了。

測試平臺1：i7-4770K/16G/GTX 770/CUDA 6.5

MNIST Windows8.1 on CPU：620s

MNIST Windows8.1 on GPU：190s

MNIST Ubuntu 14.04 on CPU：270s

MNIST Ubuntu 14.04 on GPU：160s

MNIST Ubuntu 14.04 on GPU with cuDNN：30s

Cifar10_full on GPU wihtout cuDNN：73m45s = 4428s（Iteration 70000）

Cifar10_full on GPU with cuDNN：20m7s = 1207s（Iteration 70000）

測試平臺2：技嘉P35X v3，i7-4720HQ@2.6G/16G/NVidia GTX 980 4G

MNIST Ubuntu 15.04 on GPU with cuDNN：33s

對比測試1：2*E5-2620(12CPUs)/128G/Tesla K20M/CUDA5.5/CentOS 6.4

MNIST CentOS 6.4 on GPU：294s

對比測試2：Tesla K40M/CUDA6.5/ubuntu 14.04

MNIST on GPU with cuDNN：30s

對比測試3：GTX 660/CUDA6.5/ubuntu 14.04

MNIST on GPU with cuDNN：49s

對比試驗1是一個不太公平的測試，畢竟性能差很大，很可能不單單是由Tesla K20s 和GTX 770帶來的，也可能是因為CentOS或者是CUDA5.5(without cuDNN)的影響，但總體上的結(jié)論和Caffe官網(wǎng)的reference performance numbers一致，對于普通用戶：GTX的性價比高很多。對比試驗2展現(xiàn)了Tesla K40的強大性能，相信對于復雜圖像，它應該有更強勁的表現(xiàn)。（感謝香港城市大學 Ph.D Jingjing、南京理工大學 Ph.D JinLu、華中科技大學 MS LiuMaolin 提供的測試環(huán)境和測試數(shù)據(jù)。）