這篇安裝指南，適合零基礎，新手操作，請高手勿要吐槽！

簡單介紹一下：Caffe，一種ConvolutionalNeural 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，原作主要部署于Ubuntu，也有大神發布了Windows版，但其他相關資料較少，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3個部分，包括：

• 第一部分Linux安裝

• 第二部分nVidiaCUDA Toolkit的安裝（*.deb方法）

• 第三部分Caffe-Master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，網上方法很多，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Ubuntu14.04，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，不用做額外的操作，而且支持中文，例如：$cd /media/yourname/分區名字/文件夾名，當然GUI就更方便了.

我的分區設置如下：

根分區：\100G，

Swap交換分區：128G，這里設置為何內存一樣，據說小于16G的內存，就設置成內存的1.5-2倍

boot分區：200M

Home分區：剩余的空間，鑒于Imagenet，PASCALVOC之類的大客戶，建議500G，至少300G以上。

PS：解決啟動分區錯誤

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

$sudo gedit etc/default/grub

設置：GRUB_DEFAULT= 2 #后面的數字為默認啟動的選項，想默認啟動哪個系統就改為對應的編號

$sudo update-grub

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

第二部分：nVidiaCUDA Toolkit的安裝（*.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，因此不再提供原來的*.run安裝方法，這里以CUDA7.5為例。

一、CUDARepository

獲取CUDA安裝包,安裝包請自行去NVidia官網下載。（https://developer.nvidia.com/cuda-downloads）

首先CD到安裝包所在路徑，我的文件下載到/home/user/Downloads的這個文件夾，直接在終端CD到該文件夾即可。

$cd ~/Downloads

$sudo dpkg -i cuda-repo-ubuntu1504-7-5-local_7.5-18_amd64.deb

$sudo apt-get update

$sudo apt-get install -y cuda

二、安裝cudasample

$cd /usr/local/cuda-7.5/samples

$sudo make –j32

全部編譯完成后，進入samples/bin/x86_64/linux/release,sudo下運行deviceQuery

$sudo./deviceQuery

如果出現下列顯卡信息，則驅動及顯卡安裝成功：

$./deviceQuery Starting...

CUDADevice Query (Runtime API) version (CUDART static linking)

Detected1 CUDA Capable device(s)

Device0: "GeForce GTX 670"

CUDADriver Version / Runtime Version 6.5 / 6.5

CUDACapability Major/Minor version number: 3.0

Totalamount of global memory: 4095 MBytes (4294246400bytes)

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

GPUClock rate: 1098 MHz (1.10 GHz)

MemoryClock rate: 3105 Mhz

MemoryBus Width: 256-bit

L2Cache Size: 524288 bytes

MaximumTexture Dimension Size (x,y,z) 1D=(65536), 2D=(65536, 65536),3D=(4096, 4096, 4096)

MaximumLayered 1D Texture Size, (num) layers 1D=(16384), 2048 layers

MaximumLayered 2D Texture Size, (num) layers 2D=(16384, 16384), 2048 layers

Totalamount of constant memory: 65536 bytes

Totalamount of shared memory per block: 49152 bytes

Totalnumber of registers available per block: 65536

Warpsize: 32

Maximumnumber of threads per multiprocessor: 2048

Maximumnumber of threads per block: 1024

Maxdimension size of a thread block (x,y,z): (1024, 1024, 64)

Maxdimension size of a grid size (x,y,z): (2147483647, 65535, 65535)

Maximummemory pitch: 2147483647 bytes

Texturealignment: 512 bytes

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

Runtime limit on kernels: Yes

IntegratedGPU sharing Host Memory: No

Supporthost page-locked memory mapping: Yes

Alignmentrequirement for Surfaces: Yes

Devicehas ECC support: Disabled

Devicesupports Unified Addressing (UVA): Yes

DevicePCI Bus ID / PCI location ID: 1 / 0

ComputeMode:

<Default (multiple host threads can use ::cudaSetDevice() with devicesimultaneously) >

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

Result= PASS

如果sample測試沒有通過，一般是顯卡驅動的問題，根據提示可以先在NVIDIA官網上下載Linux下最新的顯卡驅動，一般名稱是*.run，調出終端，輸入：

$sudo gedit /etc/modprobe.d /blacklist.conf

在blacklist.conf文件最后加上

blacklistnouveau

blacklistlbm-nouveau

optionsnouveau modest=0

aliasnouveau off

aliaslbm-nouveau off

或者

• blacklistvga16fb

• blacklistnouveau

• blacklist rivafb

• blacklistnvidiafb

• blacklist rivatv

• （這里有一行空格）

?然后刪除卸載舊NVIDIA驅動。

• sudo apt-get–purge remove nvidia-*(需要清除干凈)

• sudo apt-get–purge remove xserver-xorg-video-nouveau

然后按CTRL+ALT+F2進入tty2模式，進入系統后輸入：

$sudo services lightdm stop

Cd到*.run文件所在的文件夾中，執行：

$sudo chmod –R 777 *.run

$./*.run

驅動安裝完成后，輸入：

$sudo services lightdm start

能啟動證明驅動安裝沒問題

$sudo reboot

重啟電腦

查看驅動型號：

$sudonvidia-smi

重新安裝cuda，直到sample測試通過。

第三部分Caffe的安裝和測試

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

一、安裝BLAS

ATLAS是做線性代數運算的，還有倆可以選：一個是Intel的MKL，這個要收費，還有一個是OpenBLAS，這個比較麻煩；但是運行效率ATLAS< OpenBLAS < MKL

我就用ATLAS咯：

sudoapt-get install libatlas-base-dev?

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，執行：

$sudo ldconfig -v

二、安裝其他依賴項

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

下載完成后第一件事仍然CD到保存該安裝包的文件夾中,我的是在/home/user/Downloads文件夾中，所以這樣寫：

$cd ~/Downloads

$tar zxvf glog-0.3.3.tar.gz

$cd ~/Downloads/glog-0.3.3

$./configure

$make

$sudo make install

如果沒有權限就chmoda+x glog-0.3.3 -R , 或者索性chmod777 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-devlibopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-devlibgoogle-glog-dev liblmdb-dev protobuf-compiler protobuf-c-compilerprotobuf-compiler

三、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-matplotlibpython-sklearn python-skimage python-h5py python-protobufpython-leveldb python-networkx python-nose python-pandaspython-gflags Cython ipython

2.安裝配置nVidiacuDNN 加速Caffe模型運算

a.安裝前請去先官網下載最新的cuDNN(cudnn-7.0-linux-x64-v4.0-prod)。下載完成后直接雙擊安裝包，把里面的文件CUDA拖到Downloads文件夾中,這一步很重要，要不然后面編譯都不知道錯在哪里了

$cd ~/Downloads/CUDA

$sudo cp include/cudnn.h /usr/local/include

$sudo cp lib64/libcudnn.* /usr/local/lib

b.鏈接cuDNN的庫文件

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

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

$sudo ldconfig -v

再下載caffe，我把caffe放在用戶目錄下

cd

gitclone https://github.com/BVLC/caffe.git

如果提示沒有GIT，直接根據它說的，裝一個就好了

3.切換到Caffe的文件夾，生成Makefile.config配置文件，執行：

$cd ~/caffe

$cp Makefile.config.example Makefile.config

$geditMakefile.config

4.配置Makefile.config文件（僅列出修改部分）

a.啟用CUDNN，去掉"#"

USE_CUDNN:= 1

b.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

c.配置路徑，實現caffe對Python和Matlab接口的支持

PYTHON_LIB:= /usr/local/lib

6.編譯caffe！！！"-j16"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 -j16

$make test -j16

$make runtest -j16

編譯Python用到的caffe文件

$make pycaffe -j16

如果上述過程沒有報錯，那么caffe就配好了，它默認的是python接口。

總結

以上是生活随笔為你收集整理的caffe安装教程的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。