这篇博客详细记录了在Ubuntu 16.04上安装Caffe的全过程，包括禁用nouveau驱动、安装NVIDIA驱动、配置CUDA 8.0、安装cuDNN、opencv3.1和Caffe，以及编译pycaffe接口。文章还列举了解决安装过程中遇到的各种问题和错误的方法。
首先碰到安装完搜狗拼音输入法后打字是乱码的情况，解决方法如下：
输入如下命令：
cd ~/.config
sudo rm -rf SogouPY* sogou*之后注销重启即可。
安装caffe
参考资料：（主参考）Ubuntu16.04 Caffe 安装步骤记录（超详尽）
Ubuntu16.04 14.04安装配置Caffe(GPU版)
安装配置 Ubuntu 14.04 + CUDA8.0 + cuDNN v5 + caffe
安装流程细分为如下10个步骤，细化步骤粒度更易避免出错：
1、安装依赖包
4、配置环境变量
10、安装 caffe
11、安装 pycaffe接口环境和python-opencv的接口环境
12、测试
| 1 | sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler |
| 2 | sudo apt-get install --no-install-recommends libboost-all-dev |
| 3 | sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev |
| 4 | sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev |
2. 禁用 nouveau 驱动(理论这样，先禁用再安装新的驱动，但我是直接在附加驱动里直接更新的384版本
）
打开终端，输入$ sudo gedit /etc/modprobe.d/blacklist-nouveau.conf,输入
| blacklist nouveau options nouveau modset=0 |
保存退出，执行$ sudo update-initramfs -u，禁用结束。重启电脑。
验证驱动是否禁用成功：
输入$ sudo lspci | grep nouveau，如果没有内容，则禁用成功。
(1) 查询NVIDIA驱动
首先去官网 http://www.nvidia.com/Download/index.aspx?lang=en-us 查看适合自己显卡的驱动并下载：驱动文件后缀名应当是以.run结尾的。我们要把这个文件移动到根目录下，原因是下面我们要切换到字符界面下，如果放到~/下载 下面，我们没有办法进入下载这个目录（没有中文输入法，且中文全部是乱码）
点击右边的search进入下载页面
我下载后的驱动文件是：NVIDIA-Linux-x86_64-375.66.run
（2）安装驱动
这里要尤其注意，安装显卡驱动要先切换到文字界面，(按Ctrl+Alt+F1~F6).所以，启动电脑后，先进入字符界面。
然后，输入命令：
| sudo service lightdm stop |
现在可以安装驱动了：
| cd ~ sudo ./NVIDIA-Linux-x86_64-375.66.run |
（可能会command not found提示用bash，那就sudo bash NVIDIA-Linux-x86_64-375.20.run，或者需要chmod一下），按照提示一步步来~
完成后，再次重启电脑。
安装完成之后输入以下指令进行验证：
| sudo nvidia-smi |
若列出了GPU的信息列表则表示驱动安装成功。如下图：
同样使用 gedit 命令打开配置文件：
| sudo gedit ~/.bashrc |
打开后在文件最后加入以下两行内容：
| export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH |
保存退出。
CUDA是NVIDIA的编程语言平台，想使用GPU就必须要使用cuda。
(1) 下载CUDA
首先在官网上https://developer.nvidia.com/cuda-downloads下载CUDA。下载CUDA时一定要注意CUDA和NVIDIA显卡驱动的适配性。现在的情况是：CUDA_8.0支持375.**及以上系列的显卡驱动；CUDA_9.0支持384.**及以上系列的显卡驱动；CUDA_9.1支持389.**及以上系列的显卡驱动。本文中的显卡驱动为384.111系列，所以不能下载最新版本的CUDA_9.1，最后下载的是cuda_9.0.176_384.81_linux.run（当然，CUDA_8.0也是没问题的）。下载界面如下图4所示。
需要注意的第一点是，在配置时，vs2013=Microsoft Visual Studio 12.0，vs2015=Microsoft Visual Studio 14.0。建议CUDA9.1使用VS2015，CUDA8.0使用VS2013。本质上并没有区别，但为了区分方便而已。
需要注意的第二点是，两者可以安装在一台电脑上并不冲突。作者在搜索度娘时有人回答：可以同时安装，但必须先安装低版本（CUDA8.0）再安装高版本（CUDA9.0/9.1），对此笔者并没有证实，不知道所言是否正确。
需要注意的第三点是，CUDA8.0对应的cuDNN版本是5.1，CUDA9.0对应的cuDNN7.0。同时，cuDNN可以同时安装在CUDA8.0和9.0中，而cuDNN7.0只能对CUDA9.0及以上适用。
进入 https://developer.nvidia.com/cuda-downloads ，依次选择 CUDA 类型然后下载即可。 
然后运行 CUDA 安装文件进行安装，之前我们已经把 CUDA 安装文件移动至 HOME，直接通过 sh 命令运行安装文件即可：
| sudo sh cuda_8.0.61_375.26_linux.run |
其中cuda_8.0.61_375.26_linux.run 是我的CUDA 安装文件名，而你需替换为自己的 CUDA 安装文件名，若此时忘记可直接通过 ls 文件查看文件名，这也是我建议把 CUDA 安装文件移动到 HOME 下的另一个原因。
执行此命令约1分钟后会出现 0%信息，此时长按回车键让此百分比增长，直到100%，然后按照提示操作即可，先输入 accept ，然后让选择是否安装 nvidia 驱动，这里的选择对应第3步开头，若未安装则输入 “y”，若确保已安装正确驱动则输入“n”。
剩下的选择则都输入“y”确认安装或确认默认路径安装，开始安装，此时若出现安装失败提示则可能为未关闭桌面服务或在已安装 nvidia 驱动的情况下重复再次安装 nvidia 驱动，安装完成后输入重启命令重启：
Reboot
重启后登录进入系统，配置 CUDA 环境变量，与第3步相同，使用 gedit 命令打开配置文件：
| sudo gedit ~/.bashrc |
在该文件最后加入以下两行并保存：
| export PATH=/usr/local/cuda-8.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH |
使该配置生效：
| source ~/.bashrc |
(
ubuntu 16.04 安装cuda 8 出现的错误：Missing recommended library: libGLU.so；Missing recommended library: libXmu.so
Installing the CUDA Toolkit in /usr/local/cuda-8.0 ...
Missing recommended library: libGLU.so
Missing recommended library: libXmu.so
Installing the CUDA Samples in /home/qjk ...
Copying samples to /home/qjk/NVIDIA_CUDA-8.0_Samples now...
Finished copying samples.
===========
= Summary =
===========
Driver: Not Selected
Toolkit: Installed in /usr/local/cuda-8.0
Samples: Installed in /home/qjk, but missing recommended libraries
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
原因是缺少相关的依赖库,安装相应库就解决了：
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
1
再次安装即可
sudo sh cuda_8.0.61_375.26_linux.run
---------------------
)
分别执行以下命令：
| 1 | cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery |
| 2 |
|
| 3 | sudo make |
| 4 |
|
| 5 | ./deviceQuery |
若看到类似以下信息则说明 cuda 已安装成功：
登录官网：https://developer.nvidia.com/rdp/cudnn-download ，下载对应 cuda 版本且 Linux 系统的 cudnn 压缩包，注意官网下载 cudnn 需要注册帐号并登录，不想注册的可从我的网盘下载：https://pan.baidu.com/s/1c2xPVzy
下载完成后解压，得到一个 cudn 文件夹，该文件夹下include 和 lib64 两个文件夹，命令行进入 cudn/include 路径下，然后进行以下操作：
| sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件 |
然后命令行进入 cudn/lib64 路径下，运行以下命令：
| 1 | sudo cp lib* /usr/local/cuda/lib64/ #复制动态链接库 |
| 2 | cd /usr/local/cuda/lib64/sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件 |
| 3 | sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5 #生成软衔接 |
| 4 | sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接 |
这里需要注意第三行命令，网上有人的第三行命令为：
| sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5 #生成软衔接 |
起初我执行的也是上条链接 libcudnn.so.5.1.5 的命令，但是后面编译caffe时出错，报错内容为 /usr/bin/ld: 找不到 -lcudnn，所以这里需要先查看一下自己应该链接的是 libcudnn.so.5.1.10 还是 libcudnn.so.5.1.5 ，查看方法为下：
| locate libcudnn.so |
我执行完后显示如下：
可以看到我的文件是 libcudnn.so.5.1.10 ，并没有 libcudnn.so.5.1.5，所以第三行命令我链接的是 libcudnn.so.5.1.10 ，这里第三行链接命令视你的查看结果而定。
安装完成后可用 nvcc -V 命令验证是否安装成功，若出现以下信息则表示安装成功：
进入官网 : http://opencv.org/releases.html , 选择 3.1.0 版本的 source , 下载 OpenCV-3.1.0.zip 
解压到你要安装的位置，命令行进入已解压的文件夹 opencv-3.1.0 目录下，执行：
| 并将其解压到你要安装的位置，假设解压到了/home/opencv 1 unzip opencv-3.1.0.zip 2 sudo cp ./opencv-3.1.0 /home 3 sudo mv opencv-3.1.0 opencv 安装前准备，创建编译文件夹： 1 cd ~/opencv 2 mkdir build 3 cd build 配置： 1 sudo apt install cmake 2 sudo cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local .. 编译： sudo make -j8 | |
在执行 make -j8 命令编译到 92% 时可能会出现以下错误：
| 1 | modules/cudalegacy/src/graphcuts.cpp:120:54: error: |
| 2 | ‘NppiGraphcutState’ has not been declared |
| 3 | typedef NppStatus (*init_func_t)(NppiSize oSize, |
| 4 | NppiGraphcutState** ppState, Npp8u* pDeviceMem); |
问题：由于CUDA 8.0不支持OpenCV的 GraphCut 算法，可能出现以下错误：
进入opencv-3.1.0/modules/cudalegacy/src/目录，修改graphcuts.cpp文件，将：
以上只是将opencv编译成功，还没将opencv安装，需要运行下面指令进行安装：
| sudo make install #安装 |
安装完成后通过查看 opencv 版本验证是否安装成功：
| pkg-config --modversion opencv |
如果想用python调用opencv，安装python-opencv：
| 1 | sudo apt-get install python-opencv |
| 2 | sudo apt-get install python-numpy |
首先在你要安装的路径下 clone ：
| git clone https://github.com/BVLC/caffe.git |
进入 caffe ，将 Makefile.config.example 文件复制一份并更名为 Makefile.config ，也可以在 caffe 目录下直接调用以下命令完成复制操作 ：
| sudo cp Makefile.config.example Makefile.config |
复制一份的原因是编译 caffe 时需要的是 Makefile.config 文件，而Makefile.config.example 只是caffe 给出的配置文件例子，不能用来编译 caffe。
然后修改 Makefile.config 文件，在 caffe 目录下打开该文件：
| sudo gedit Makefile.config |
修改 Makefile.config 文件内容：
-
应用 cudnn
| 1 | 将 |
| 2 | #USE_CUDNN := 1 |
| 3 | 修改成： |
| 4 | USE_CUDNN := 1 |
2.应用 opencv 版本
| 1 | 将 |
| 2 | #OPENCV_VERSION := 3 |
| 3 | 修改为： |
| 4 | OPENCV_VERSION := 3 |
3.使用 Python 接口
| 1 | 将 |
| 2 | #WITH_PYTHON_LAYER := 1 |
| 3 | 修改为 |
| 4 | WITH_PYTHON_LAYER := 1 |
4.修改 python 路径
| 1 | INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include |
| 2 | LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib |
| 3 | 修改为： |
| 4 | INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial |
| 5 | LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial |
在/include /usr/之中有一个空格，切记一定要加空格！一定要加空格！一定要加空格！我就是在加上空格之后才顺利完成了编译
然后修改 caffe 目录下的 Makefile 文件：
| 1 | 将： |
| 2 | NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS) |
| 3 | 替换为： |
| 4 | NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS) |
| 1 | 将： |
| 2 | LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5 |
| 3 | 改为： |
| 4 | LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial |
然后修改 /usr/local/cuda/include/host_config.h 文件 :sudo gedit host_config.h修改只读文件
| 1 | 将 |
| 2 | #error-- unsupported GNU version! gcc versions later than 4.9 are not supported! |
| 3 | 改为 |
| 4 | //#error-- unsupported GNU version! gcc versions later than 4.9 are not supported! |
OK ，可以开始编译了，在 caffe 目录下执行 ：
| make all -j8 |
这是如果之前的配置或安装出错，那么编译就会出现各种各样的问题，所以前面的步骤一定要细心。
出现问题
解决方法
所需的libcudart.so.8.0如果正确安装的话，以下两种方法同理：
1. sudo ldconfig /usr/local/cuda-8.0/lib64（成功）
(转自libcudart.so.8.0: cannot open shared object file: No such file or directory)
2.
可以到/etc/ld.so.conf.d目录下，修改其中任意一份conf文件，（可以自建conf，以方便识别）将lib所在目录写进去，然后在终端输入 ldconfig 更新缓存。
本文该lib文件在/usr/local/cuda/lib64下，因此在/etc/ld.so.conf.d 创建了一个cuda.conf 文件，并加入/usr/local/cuda/lib64 内容，保存退出。
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-8.0/lib64。如果仍然不行，再尝试执行:export PATH=$PATH:/usr/local/cuda-8.0/binexport LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda-8.0/lib64source /etc/profile
最后执行：sudo ldconfig 使文件生效
编译成功后可运行测试：
| sudo make runtest -j8 |
如果显示结果为上图所示，则表示 caffe 已经成功安装。
在上一步成功安装 caffe 之后，就可以通过 caffe 去做训练数据集或者预测各种相关的事了，只不过需要在命令行下通过 caffe 命令进行操作，而这一步 pycaffe 的安装以及 notebook 环境配置只是为了更方便的去使用 caffe ，实际上大多数都是通过 python 来操作 caffe 的，而 notebook 使用浏览器作为界面，可以更方便的编写和执行 python 代码。
首先编译 pycaffe :
| 1 | cd caffe |
| 2 |
|
| 3 | sudo make pycaffe -j8 |
以下是我编译 pycaffe 时出现的错误：
| python/caffe/_caffe.cpp:10:31: fatal error: numpy/arrayobject.h: 没有那个文件或目录 |
解决方法：
| sudo apt-get install python-numpy |
此外也可能是由于 Makefile.config 文件中 python 路径设置错误出现的错误，可根据上一步检查一下，也可能出现别的错误，百度谷歌之～
在caffe-master目录下：
$ sudo make pycaffe
如果出现“make: Nothing to be done for `pycaffe'.”
使用
$ sudo make clean
之后运行
$ sudo make pycaffe
然后在命令行输入python;再输入import caffe就可以成功啦。
编译 pycaffe 成功后，验证一下是否可以在 python 中导入 caffe 包，首先进入 python 环境：
| python |
然后导入 caffe :
| >>> import caffe |
若不报错则表示 caffe 的 python 接口已正确编译，但是应该不会那么顺利，以下是我导入 caffe 时出现的错误：
错误1：
| File "<stdin>", line 1, in <module> ImportError: No module named caffe |
解决方法：
| 1 | sudo echo export PYTHONPATH="~/caffe/python" >> ~/.bashrc |
| 2 |
|
| 3 | source ~/.bashrc |
错误2：
| ImportError: No module named skimage.io |
解决方法：
| pip install -U scikit-image #若没有安装pip: sudo apt install python-pip |
此处说的很简略。假设你已经初步掌握 caffe 的用法。
| # cd ~/caffe |
| # sudo sh data/mnist/get_mnist.sh |
| # sudo sh examples/mnist/create_mnist.sh |
| # sudo sh examples/mnist/train_lenet.sh |
感受1080开启cuDNN模式的强大吧：
caffe 例程结果
参考资料：（主参考）Ubuntu16.04 Caffe 安装步骤记录（超详尽）
Ubuntu16.04 14.04安装配置Caffe(GPU版)
安装配置 Ubuntu 14.04 + CUDA8.0 + cuDNN v5 + caffe
安装流程细分为如下10个步骤，细化步骤粒度更易避免出错：
1、安装依赖包
4、配置环境变量
10、安装 caffe
11、安装 pycaffe接口环境和python-opencv的接口环境
12、测试
1. 安装相关依赖项
| 1 | sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler |
| 2 | sudo apt-get install --no-install-recommends libboost-all-dev |
| 3 | sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev |
| 4 | sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev |
2. 禁用 nouveau 驱动
打开终端，输入$ sudo gedit /etc/modprobe.d/blacklist-nouveau.conf,输入
| blacklist nouveau options nouveau modset=0 |
保存退出，执行$ sudo update-initramfs -u，禁用结束。重启电脑。
验证驱动是否禁用成功：
输入$ sudo lspci | grep nouveau，如果没有内容，则禁用成功。
3.安装NVIDIA驱动
(1) 查询NVIDIA驱动
首先去官网 http://www.nvidia.com/Download/index.aspx?lang=en-us 查看适合自己显卡的驱动并下载：驱动文件后缀名应当是以.run结尾的。我们要把这个文件移动到根目录下，原因是下面我们要切换到字符界面下，如果放到~/下载 下面，我们没有办法进入下载这个目录（没有中文输入法，且中文全部是乱码）
点击右边的search进入下载页面
我下载后的驱动文件是：NVIDIA-Linux-x86_64-375.66.run
（2）安装驱动
这里要尤其注意，安装显卡驱动要先切换到文字界面，(按Ctrl+Alt+F1~F6).所以，启动电脑后，先进入字符界面。
然后，输入命令：
| sudo service lightdm stop |
现在可以安装驱动了：
| cd ~ sudo ./NVIDIA-Linux-x86_64-375.66.run |
（可能会command not found提示用bash，那就sudo bash NVIDIA-Linux-x86_64-375.20.run，或者需要chmod一下），按照提示一步步来~
完成后，再次重启电脑。
安装完成之后输入以下指令进行验证：
| sudo nvidia-smi |
若列出了GPU的信息列表则表示驱动安装成功。如下图：
4. 配置环境变量
同样使用 gedit 命令打开配置文件：
| sudo gedit ~/.bashrc |
打开后在文件最后加入以下两行内容：
| export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH |
保存退出。
5. 下载 CUDA 8.0
进入 https://developer.nvidia.com/cuda-downloads ，依次选择 CUDA 类型然后下载即可。 
6. 安装CUDA8.0
然后运行 CUDA 安装文件进行安装，之前我们已经把 CUDA 安装文件移动至 HOME，直接通过 sh 命令运行安装文件即可：
| sudo sh cuda_8.0.61_375.26_linux.run |
其中cuda_8.0.61_375.26_linux.run 是我的CUDA 安装文件名，而你需替换为自己的 CUDA 安装文件名，若此时忘记可直接通过 ls 文件查看文件名，这也是我建议把 CUDA 安装文件移动到 HOME 下的另一个原因。
执行此命令约1分钟后会出现 0%信息，此时长按回车键让此百分比增长，直到100%，然后按照提示操作即可，先输入 accept ，然后让选择是否安装 nvidia 驱动，这里的选择对应第3步开头，若未安装则输入 “y”，若确保已安装正确驱动则输入“n”。
剩下的选择则都输入“y”确认安装或确认默认路径安装，开始安装，此时若出现安装失败提示则可能为未关闭桌面服务或在已安装 nvidia 驱动的情况下重复再次安装 nvidia 驱动，安装完成后输入重启命令重启：
Reboot
重启后登录进入系统，配置 CUDA 环境变量，与第3步相同，使用 gedit 命令打开配置文件：
| sudo gedit ~/.bashrc |
在该文件最后加入以下两行并保存：
| export PATH=/usr/local/cuda-8.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH |
使该配置生效：
| source ~/.bashrc |
7. 验证CUDA是否安装成功
分别执行以下命令：
| 1 | cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery |
| 2 |
|
| 3 | sudo make |
| 4 |
|
| 5 | ./deviceQuery |
若看到类似以下信息则说明 cuda 已安装成功：
8. 安装 cudnn
登录官网：https://developer.nvidia.com/rdp/cudnn-download ，下载对应 cuda 版本且 Linux 系统的 cudnn 压缩包，注意官网下载 cudnn 需要注册帐号并登录，不想注册的可从我的网盘下载：https://pan.baidu.com/s/1c2xPVzy
下载完成后解压，得到一个 cudn 文件夹，该文件夹下include 和 lib64 两个文件夹，命令行进入 cudn/include 路径下，然后进行以下操作：
| sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件 |
然后命令行进入 cudn/lib64 路径下，运行以下命令：
| 1 | sudo cp lib* /usr/local/cuda/lib64/ #复制动态链接库 |
| 2 | cd /usr/local/cuda/lib64/sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件 |
| 3 | sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5 #生成软衔接 |
| 4 | sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接 |
这里需要注意第三行命令，网上有人的第三行命令为：
| sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5 #生成软衔接 |
起初我执行的也是上条链接 libcudnn.so.5.1.5 的命令，但是后面编译caffe时出错，报错内容为 /usr/bin/ld: 找不到 -lcudnn，所以这里需要先查看一下自己应该链接的是 libcudnn.so.5.1.10 还是 libcudnn.so.5.1.5 ，查看方法为下：
| locate libcudnn.so |
我执行完后显示如下：
可以看到我的文件是 libcudnn.so.5.1.10 ，并没有 libcudnn.so.5.1.5，所以第三行命令我链接的是 libcudnn.so.5.1.10 ，这里第三行链接命令视你的查看结果而定。
安装完成后可用 nvcc -V 命令验证是否安装成功，若出现以下信息则表示安装成功：
9. 安装 opencv3.1
进入官网 : http://opencv.org/releases.html , 选择 3.1.0 版本的 source , 下载 OpenCV-3.1.0.zip 
解压到你要安装的位置，命令行进入已解压的文件夹 opencv-3.1.0 目录下，执行：
| 1 | mkdir build # 创建编译的文件目录 |
| 2 |
|
| 3 | cd build |
| 4 |
|
| 5 | cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local .. |
| 6 |
|
| 7 | make -j8 #编译 |
在执行 make -j8 命令编译到 92% 时可能会出现以下错误：
| 1 | modules/cudalegacy/src/graphcuts.cpp:120:54: error: |
| 2 | ‘NppiGraphcutState’ has not been declared |
| 3 | typedef NppStatus (*init_func_t)(NppiSize oSize, |
| 4 | NppiGraphcutState** ppState, Npp8u* pDeviceMem); |
这是由于opecv3.1与cuda8.0不兼容导致的。解决办法：
修改 /opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp 文件内容，如图：
其中， #if !defined (HAVE_CUDA) || defined (CUDA_DISABLER)||(CUDART_VERSION>=8000) 是我们修改的。以上只是将opencv编译成功，还没将opencv安装，需要运行下面指令进行安装：
| sudo make install #安装 |
安装完成后通过查看 opencv 版本验证是否安装成功：
| pkg-config --modversion opencv |
如果想用python调用opencv，安装python-opencv：
| 1 | sudo apt-get install python-opencv |
| 2 | sudo apt-get install python-numpy |
10. 安装 caffe
首先在你要安装的路径下 clone ：
| git clone https://github.com/BVLC/caffe.git |
进入 caffe ，将 Makefile.config.example 文件复制一份并更名为 Makefile.config ，也可以在 caffe 目录下直接调用以下命令完成复制操作 ：
| sudo cp Makefile.config.example Makefile.config |
复制一份的原因是编译 caffe 时需要的是 Makefile.config 文件，而Makefile.config.example 只是caffe 给出的配置文件例子，不能用来编译 caffe。
然后修改 Makefile.config 文件，在 caffe 目录下打开该文件：
| sudo gedit Makefile.config |
修改 Makefile.config 文件内容：
-
应用 cudnn
| 1 | 将 |
| 2 | #USE_CUDNN := 1 |
| 3 | 修改成： |
| 4 | USE_CUDNN := 1 |
2.应用 opencv 版本
| 1 | 将 |
| 2 | #OPENCV_VERSION := 3 |
| 3 | 修改为： |
| 4 | OPENCV_VERSION := 3 |
3.使用 Python 接口
| 1 | 将 |
| 2 | #WITH_PYTHON_LAYER := 1 |
| 3 | 修改为 |
| 4 | WITH_PYTHON_LAYER := 1 |
4.修改 python 路径
| 1 | INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include |
| 2 | LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib |
| 3 | 修改为： |
| 4 | INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial |
| 5 | LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial |
然后修改 caffe 目录下的 Makefile 文件：
| 1 | 将： |
| 2 | NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS) |
| 3 | 替换为： |
| 4 | NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS) |
| 1 | 将： |
| 2 | LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5 |
| 3 | 改为： |
| 4 | LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial |
然后修改 /usr/local/cuda/include/host_config.h 文件 :
| 1 | 将 |
| 2 | #error-- unsupported GNU version! gcc versions later than 4.9 are not supported! |
| 3 | 改为 |
| 4 | //#error-- unsupported GNU version! gcc versions later than 4.9 are not supported! |
OK ，可以开始编译了，在 caffe 目录下执行 ：
| make all -j8 |
这是如果之前的配置或安装出错，那么编译就会出现各种各样的问题，所以前面的步骤一定要细心。
编译成功后可运行测试：
| sudo make runtest -j8 |
如果显示结果为上图所示，则表示 caffe 已经成功安装。
11、安装 pycaffe notebook 接口环境
在上一步成功安装 caffe 之后，就可以通过 caffe 去做训练数据集或者预测各种相关的事了，只不过需要在命令行下通过 caffe 命令进行操作，而这一步 pycaffe 的安装以及 notebook 环境配置只是为了更方便的去使用 caffe ，实际上大多数都是通过 python 来操作 caffe 的，而 notebook 使用浏览器作为界面，可以更方便的编写和执行 python 代码。
首先编译 pycaffe :
| 1 | cd caffe |
| 2 |
|
| 3 | sudo make pycaffe -j8 |
以下是我编译 pycaffe 时出现的错误：
| python/caffe/_caffe.cpp:10:31: fatal error: numpy/arrayobject.h: 没有那个文件或目录 |
解决方法：
| sudo apt-get install python-numpy |
此外也可能是由于 Makefile.config 文件中 python 路径设置错误出现的错误，可根据上一步检查一下，也可能出现别的错误，百度谷歌之～
编译 pycaffe 成功后，验证一下是否可以在 python 中导入 caffe 包，首先进入 python 环境：
| python |
然后导入 caffe :
| >>> import caffe |
若不报错则表示 caffe 的 python 接口已正确编译，但是应该不会那么顺利，以下是我导入 caffe 时出现的错误：
错误1：
| File "<stdin>", line 1, in <module> ImportError: No module named caffe |
解决方法：
| 1 | sudo echo export PYTHONPATH="~/caffe/python" >> ~/.bashrc |
| 2 |
|
| 3 | source ~/.bashrc |
错误2：
| ImportError: No module named skimage.io |
解决方法：
| pip install -U scikit-image #若没有安装pip: sudo apt install python-pip |
12. 测试
此处说的很简略。假设你已经初步掌握 caffe 的用法。
| # cd ~/caffe |
| # sudo sh data/mnist/get_mnist.sh |
| # sudo sh examples/mnist/create_mnist.sh |
| # sudo sh examples/mnist/train_lenet.sh |
感受1080开启cuDNN模式的强大吧：
caffe 例程结果
参考资料：（主参考）Ubuntu16.04 Caffe 安装步骤记录（超详尽）
Ubuntu16.04 14.04安装配置Caffe(GPU版)
安装配置 Ubuntu 14.04 + CUDA8.0 + cuDNN v5 + caffe
安装流程细分为如下10个步骤，细化步骤粒度更易避免出错：
1、安装依赖包
4、配置环境变量
10、安装 caffe
11、安装 pycaffe接口环境和python-opencv的接口环境
12、测试
1. 安装相关依赖项
| 1 | sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler |
| 2 | sudo apt-get install --no-install-recommends libboost-all-dev |
| 3 | sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev |
| 4 | sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev |
2. 禁用 nouveau 驱动
打开终端，输入$ sudo gedit /etc/modprobe.d/blacklist-nouveau.conf,输入
| blacklist nouveau options nouveau modset=0 |
保存退出，执行$ sudo update-initramfs -u，禁用结束。重启电脑。
验证驱动是否禁用成功：
输入$ sudo lspci | grep nouveau，如果没有内容，则禁用成功。
3.安装NVIDIA驱动
(1) 查询NVIDIA驱动
首先去官网 http://www.nvidia.com/Download/index.aspx?lang=en-us 查看适合自己显卡的驱动并下载：驱动文件后缀名应当是以.run结尾的。我们要把这个文件移动到根目录下，原因是下面我们要切换到字符界面下，如果放到~/下载 下面，我们没有办法进入下载这个目录（没有中文输入法，且中文全部是乱码）
点击右边的search进入下载页面
我下载后的驱动文件是：NVIDIA-Linux-x86_64-375.66.run
（2）安装驱动
这里要尤其注意，安装显卡驱动要先切换到文字界面，(按Ctrl+Alt+F1~F6).所以，启动电脑后，先进入字符界面。
然后，输入命令：
| sudo service lightdm stop |
现在可以安装驱动了：
| cd ~ sudo ./NVIDIA-Linux-x86_64-375.66.run |
（可能会command not found提示用bash，那就sudo bash NVIDIA-Linux-x86_64-375.20.run，或者需要chmod一下），按照提示一步步来~
完成后，再次重启电脑。
安装完成之后输入以下指令进行验证：
| sudo nvidia-smi |
若列出了GPU的信息列表则表示驱动安装成功。如下图：
4. 配置环境变量
同样使用 gedit 命令打开配置文件：
| sudo gedit ~/.bashrc |
打开后在文件最后加入以下两行内容：
| export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH |
保存退出。
5. 下载 CUDA 8.0
进入 https://developer.nvidia.com/cuda-downloads ，依次选择 CUDA 类型然后下载即可。 
6. 安装CUDA8.0
然后运行 CUDA 安装文件进行安装，之前我们已经把 CUDA 安装文件移动至 HOME，直接通过 sh 命令运行安装文件即可：
| sudo sh cuda_8.0.61_375.26_linux.run |
其中cuda_8.0.61_375.26_linux.run 是我的CUDA 安装文件名，而你需替换为自己的 CUDA 安装文件名，若此时忘记可直接通过 ls 文件查看文件名，这也是我建议把 CUDA 安装文件移动到 HOME 下的另一个原因。
执行此命令约1分钟后会出现 0%信息，此时长按回车键让此百分比增长，直到100%，然后按照提示操作即可，先输入 accept ，然后让选择是否安装 nvidia 驱动，这里的选择对应第3步开头，若未安装则输入 “y”，若确保已安装正确驱动则输入“n”。
剩下的选择则都输入“y”确认安装或确认默认路径安装，开始安装，此时若出现安装失败提示则可能为未关闭桌面服务或在已安装 nvidia 驱动的情况下重复再次安装 nvidia 驱动，安装完成后输入重启命令重启：
Reboot
重启后登录进入系统，配置 CUDA 环境变量，与第3步相同，使用 gedit 命令打开配置文件：
| sudo gedit ~/.bashrc |
在该文件最后加入以下两行并保存：
| export PATH=/usr/local/cuda-8.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH |
使该配置生效：
| source ~/.bashrc |
7. 验证CUDA是否安装成功
分别执行以下命令：
| 1 | cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery |
| 2 |
|
| 3 | sudo make |
| 4 |
|
| 5 | ./deviceQuery |
若看到类似以下信息则说明 cuda 已安装成功：
8. 安装 cudnn
登录官网：https://developer.nvidia.com/rdp/cudnn-download ，下载对应 cuda 版本且 Linux 系统的 cudnn 压缩包，注意官网下载 cudnn 需要注册帐号并登录，不想注册的可从我的网盘下载：https://pan.baidu.com/s/1c2xPVzy
下载完成后解压，得到一个 cudn 文件夹，该文件夹下include 和 lib64 两个文件夹，命令行进入 cudn/include 路径下，然后进行以下操作：
| sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件 |
然后命令行进入 cudn/lib64 路径下，运行以下命令：
| 1 | sudo cp lib* /usr/local/cuda/lib64/ #复制动态链接库 |
| 2 | cd /usr/local/cuda/lib64/sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件 |
| 3 | sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5 #生成软衔接 |
| 4 | sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接 |
这里需要注意第三行命令，网上有人的第三行命令为：
| sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5 #生成软衔接 |
起初我执行的也是上条链接 libcudnn.so.5.1.5 的命令，但是后面编译caffe时出错，报错内容为 /usr/bin/ld: 找不到 -lcudnn，所以这里需要先查看一下自己应该链接的是 libcudnn.so.5.1.10 还是 libcudnn.so.5.1.5 ，查看方法为下：
| locate libcudnn.so |
我执行完后显示如下：
可以看到我的文件是 libcudnn.so.5.1.10 ，并没有 libcudnn.so.5.1.5，所以第三行命令我链接的是 libcudnn.so.5.1.10 ，这里第三行链接命令视你的查看结果而定。
安装完成后可用 nvcc -V 命令验证是否安装成功，若出现以下信息则表示安装成功：
9. 安装 opencv3.1
进入官网 : http://opencv.org/releases.html , 选择 3.1.0 版本的 source , 下载 OpenCV-3.1.0.zip 
解压到你要安装的位置，命令行进入已解压的文件夹 opencv-3.1.0 目录下，执行：
| 1 | mkdir build # 创建编译的文件目录 |
| 2 |
|
| 3 | cd build |
| 4 |
|
| 5 | cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local .. |
| 6 |
|
| 7 | make -j8 #编译 |
在执行 make -j8 命令编译到 92% 时可能会出现以下错误：
| 1 | modules/cudalegacy/src/graphcuts.cpp:120:54: error: |
| 2 | ‘NppiGraphcutState’ has not been declared |
| 3 | typedef NppStatus (*init_func_t)(NppiSize oSize, |
| 4 | NppiGraphcutState** ppState, Npp8u* pDeviceMem); |
这是由于opecv3.1与cuda8.0不兼容导致的。解决办法：
修改 /opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp 文件内容，如图：
其中， #if !defined (HAVE_CUDA) || defined (CUDA_DISABLER)||(CUDART_VERSION>=8000) 是我们修改的。以上只是将opencv编译成功，还没将opencv安装，需要运行下面指令进行安装：
| sudo make install #安装 |
安装完成后通过查看 opencv 版本验证是否安装成功：
| pkg-config --modversion opencv |
如果想用python调用opencv，安装python-opencv：
| 1 | sudo apt-get install python-opencv |
| 2 | sudo apt-get install python-numpy |
10. 安装 caffe
首先在你要安装的路径下 clone ：
| git clone https://github.com/BVLC/caffe.git |
进入 caffe ，将 Makefile.config.example 文件复制一份并更名为 Makefile.config ，也可以在 caffe 目录下直接调用以下命令完成复制操作 ：
| sudo cp Makefile.config.example Makefile.config |
复制一份的原因是编译 caffe 时需要的是 Makefile.config 文件，而Makefile.config.example 只是caffe 给出的配置文件例子，不能用来编译 caffe。
然后修改 Makefile.config 文件，在 caffe 目录下打开该文件：
| sudo gedit Makefile.config |
修改 Makefile.config 文件内容：
-
应用 cudnn
| 1 | 将 |
| 2 | #USE_CUDNN := 1 |
| 3 | 修改成： |
| 4 | USE_CUDNN := 1 |
2.应用 opencv 版本
| 1 | 将 |
| 2 | #OPENCV_VERSION := 3 |
| 3 | 修改为： |
| 4 | OPENCV_VERSION := 3 |
3.使用 Python 接口
| 1 | 将 |
| 2 | #WITH_PYTHON_LAYER := 1 |
| 3 | 修改为 |
| 4 | WITH_PYTHON_LAYER := 1 |
4.修改 python 路径
| 1 | INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include |
| 2 | LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib |
| 3 | 修改为： |
| 4 | INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial |
| 5 | LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial |
然后修改 caffe 目录下的 Makefile 文件：
| 1 | 将： |
| 2 | NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS) |
| 3 | 替换为： |
| 4 | NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS) |
| 1 | 将： |
| 2 | LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5 |
| 3 | 改为： |
| 4 | LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial |
然后修改 /usr/local/cuda/include/host_config.h 文件 :
| 1 | 将 |
| 2 | #error-- unsupported GNU version! gcc versions later than 4.9 are not supported! |
| 3 | 改为 |
| 4 | //#error-- unsupported GNU version! gcc versions later than 4.9 are not supported! |
OK ，可以开始编译了，在 caffe 目录下执行 ：
| make all -j8 |
这是如果之前的配置或安装出错，那么编译就会出现各种各样的问题，所以前面的步骤一定要细心。
编译成功后可运行测试：
| sudo make runtest -j8 |
如果显示结果为上图所示，则表示 caffe 已经成功安装。
11、安装 pycaffe notebook 接口环境
在上一步成功安装 caffe 之后，就可以通过 caffe 去做训练数据集或者预测各种相关的事了，只不过需要在命令行下通过 caffe 命令进行操作，而这一步 pycaffe 的安装以及 notebook 环境配置只是为了更方便的去使用 caffe ，实际上大多数都是通过 python 来操作 caffe 的，而 notebook 使用浏览器作为界面，可以更方便的编写和执行 python 代码。
首先编译 pycaffe :
| 1 | cd caffe |
| 2 |
|
| 3 | sudo make pycaffe -j8 |
以下是我编译 pycaffe 时出现的错误：
| python/caffe/_caffe.cpp:10:31: fatal error: numpy/arrayobject.h: 没有那个文件或目录 |
解决方法：
| sudo apt-get install python-numpy |
此外也可能是由于 Makefile.config 文件中 python 路径设置错误出现的错误，可根据上一步检查一下，也可能出现别的错误，百度谷歌之～
编译 pycaffe 成功后，验证一下是否可以在 python 中导入 caffe 包，首先进入 python 环境：
| python |
然后导入 caffe :
| >>> import caffe |
若不报错则表示 caffe 的 python 接口已正确编译，但是应该不会那么顺利，以下是我导入 caffe 时出现的错误：
错误1：
| File "<stdin>", line 1, in <module> ImportError: No module named caffe |
解决方法：
| 1 | sudo echo export PYTHONPATH="~/caffe/python" >> ~/.bashrc |
| 2 |
|
| 3 | source ~/.bashrc |
错误2：
| ImportError: No module named skimage.io |
解决方法：
| pip install -U scikit-image #若没有安装pip: sudo apt install python-pip |
12. 测试
此处说的很简略。假设你已经初步掌握 caffe 的用法。
| # cd ~/caffe |
| # sudo sh data/mnist/get_mnist.sh |
| # sudo sh examples/mnist/create_mnist.sh |
| # sudo sh examples/mnist/train_lenet.sh |
（如果遇到问题，先清除之前的编译结果：sudo make clean
再重新编译caffe：sudo make all）
感受1080开启cuDNN模式的强大吧：
caffe 例程结果
扫一扫
436
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
