Ubuntu15.04+caffe+cuda7.5+cudnn+matlab
9月份决定要搭建深度学习的环境，一直到现在搭建好caffe，我只想说&F U C K&，竟然弄了3个月，3个月啊抓狂。
1.开讲前的废话
以下纯属吐槽，是废话，大家可略过：
8月份，老师让我搞深度学习，一开始我是拒绝的，因为我觉得它好难啊，这么高大上的东西我一个小白怎么搞，无奈老师的话还是要听的，硬着头皮搞，但当时只想着回家，也没有正儿八经弄就随便弄了个windows下的theano糊弄过去了，开学后不得不收拾烂摊子，从选择深度学习的框架theano、caffe、torch。经过我精挑细选最终选择了caffe。
漫长的征程开始了，先准备在windows下弄，搞了半天没弄出来，so放弃，接着改在Ubuntu下弄，由于第一次装双系统，没经验，把我的笔记本搞坏了，遇到种种问题（怎么直接进入Ubuntu了，windows进不去了，说好的双系统呢；经过一番折腾。嗯，终于进入windows了，嗯？怎么不能上网了，为什么ubuntu下能上网而windows上不了呢；经过一番折腾。嗯，windows终于可以上网了，现在开始使用ubuntu吧）第一次接触Linux系统，完全不熟悉，这TM是啥，这个怎么安装，这个怎么用，感觉不如windows，so又放弃了尴尬。随后在老师的强制要求下继续使用熟悉linux系统。好吧。先试着安装cuda吧，嗯。竟然还要卸载驱动，还要关闭tty什么的，没办法，搞吧。wc，怎么ubuntu登陆后分辨率变模糊了，经过一番折腾。更新下驱动弄好了；继续搞，怎么出现花屏了，经过一番折腾；继续搞，怎么ubuntu出现循环登录了，MGJ，继续搞。期间各种重装系统啊，感觉一学期都在重装系统啊，由于没备份，我笔记本里的东西早没了，同学们切记要有经常备份的习惯啊。感觉心好累，经过1个月左右的适应，总算对ubuntu有个基本了解了，现在安心装caffe吧。
你以为这样就完了吗，NO，安装caffe也是各种问题，差不多就是一步一个error，步步惊心啊，我的心情是崩溃的。
没办法，继续搞，从失败中总结教训，出错就google（某度就是渣渣），在qq群里问，最后换了ubuntu15.04，cuda7.5才成功的。
好了，废话说完了，让我们开始把。
百度云链接链接：/s/1numfgTz 密码：4jbz
2.Linux的安装
这里不详细说明，网上有很多，只是提几点需要注意的问题。
根分区： \ 100G，
Swap交换分区：128G ，这里设置成内存的1.5-2倍
boot分区：200M
Home分区：剩余的空间，建议300G以上。
安装完后软件更新器会提示让你更新，建议更新一下。
然后命令行输入，安装一些东西
sudo apt-get update&&
sudo apt-get install git vim cmake automake&
如果是Linux新手，不建议直接安装caffe，建议先熟悉一下Linux系统，掌握基本操作及关键命令如vim cd等等。
3.CUDA的安装（.deb方法）
直接去Nvidia的官网下载cuda7.5的ubuntu15.04 的deb(local)版，大概1.9G.
输入以下3行代码即可
sudo dpkg -i cuda-repo-ubuntu-local_7.5-18_amd64.deb`&
sudo apt-get update`&
sudo apt-get install cuda`&
我还安装了nvcc编译器，因为要写cuda程序
命令行输入
nvcc --version&
按照提示安装即可。
4.Matlab的安装
matlabR2014a不好找，找不到的可以去开头的百度云链接下载
Mathworks.Matlab.R2014a.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
复制Crack/install.jar至 home/Matlab/java/jar/ 并覆盖源文件
$ sudo cp install.jar /home/Matlab/java/jar/&/span&&
授权安装文件夹
$ chmod a+x Matlab -R&
$ sudo ./install&&
选项：不使用Internet安装，建议把网线拔掉
默认路径：/usr/local/MATLAB/R2014a
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_14a.lic
拷贝 libmwservices.so 至 /usr/local/MATLAB/R2014a/bin/glnxa64
$ sudo cp libmwservices.so /usr/local/MATLAB/R2014a/bin/glnxa64/&
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。
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++&
4.安装BLAS（此处为Intel的MKL）
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：/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,）
$ tar zxvf parallel_studio_xe_2016.tar.gz&&
$ chmod a+x parallel_studio_xe_2016 -R&
$ sh install_GUI.sh&
然后按照提示操安装即可，序列号可在百度云获得，其他的默认即可。
MKL与CUDA的环境设置
1. 新建intel_mkl.conf， 并编辑之：
$ sudo gedit /etc/ld.so.conf.d/intel_mkl.conf&
文件中输入
/opt/intel/lib/intel64&
/opt/intel/mkl/lib/intel64&
2. 新建cuda.conf，并编辑之：
$ sudo gedit /etc/ld.so.conf.d/cuda.conf&
文件中输入
/usr/local/cuda/lib64&
3. 完成lib文件的链接操作，执行：
$ sudo ldconfig -v&
5.安装opencv3.0
这里使用的是欧新宇提供的opencv
切换到文件保存的文件夹，然后安装依赖项：
$ sudo sh Ubuntu/dependencies.sh&
3. 切换目录Ubuntu\3.0\安装OpenCV 3.0.0：
$ sudo sh opencv3_0_0.sh(或者选择-rc1.h)&
保证网络畅通，因为软件需要联网这里时间较长，请耐心等待。。。，
要注意安装过程中不能有error出现，如果出现error，就反复安装
完成后测试一下，写个opencv程序linux下编写opencv测试一下
6.安装依赖项
安装Google Logging Library（glog），下载地址：/p/google-glog/，然后解压安装：
$ tar zxvf glog-0.3.3.tar.gz&
$ ./configure&
$ sudo make&
$ sudo make install&
安装其他依赖项，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&&
7.安装caffe
安装pycaffe必须的一些依赖项：
$ 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&
&安装配置nVidia cuDNN 加速Caffe模型运算
安装前请去先官网下载最新的cuDNN (cudnn-70-linux-x64-v3)。
转到解压好的cudnn目录
$ sudo cp include/cudnn.h /usr/local/include&
$ sudo cp lib64/libcudnn.* /usr/local/lib&
链接cuDNN的库文件
$ sudo ln -sf /usr/local/lib/libcudnn.so.7.0.64 /usr/local/lib/libcudnn.so.7.0&
$ sudo ln -sf /usr/local/lib/libcudnn.so.7.0 /usr/local/lib/libcudnn.so&
$ sudo ldconfig -v&
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&
配置Makefile.config文件（仅列出修改部分）
a. 启用CUDNN，去掉&#&
USE_CUDNN := 1
b. 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）
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. 启用Intel Parallel Studio XE 2016
BLAS := mkl
d. 配置路径，实现caffe对Python和Matlab接口的支持
PYTHON_LIB := /usr/local/lib
MATLAB_DIR := /usr/local/MATLAB/R2014a
c. 启用OpenCV 3.0, 去掉&#&
OPENCV_VERSION =3
d.应用python
WITH_PYTHON_LAYER :=1
配置Makefile文件（实现对OpenCV 3.x的支持）
打开Makefile，查找&Derive include and lib directories&一节，修改&LIBRARIES +=&的最后一行，增加opencv_imgcodecs
opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs
在命令行中输入
export CUDA_VISIBLE-DEVICES=0
export MKL_CBWR=AUTO
编译caffe-master！！！&-j8&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。
转到caffe的目录
$ sudo make all -j8&
$ sudo make test -j8&
$ sudo make runtest -j8&
我的make runtest后如下图，可能会有2项没通过，这个不用管
编译Python和Matlab用到的caffe文件
$ sudo make pycaffe -j8&
$ sudo make matcaffe -j8
Ubuntu14.04 CuDNN安装（Caffe+Cuda7.0下）：
Caffe在Ubuntu 14.04 64bit下的安装：
Caffe+Ubuntu 15.04+CUDA 7.0新手安装配置指南：
Caffe+Ubuntu 14.04 64bit+CUDA 6.5配置说明：
Caffe安装指南：
------分隔线----------------------------ubuntu14.04 64位安装mkl2016时显示检测不支持我的系统.怎么办？
顺带一提，下面例子也没有ubuntu系列啊～～～
已有帐号？
无法登录？
社交帐号登录Caffe安装教程（Ubuntu15.04+CUDA7.5)
Caffe安装教程（Ubuntu15.04+CUDA7.5)
Deep Learning
Caffe安装教程（Ubuntu15.04+CUDA7.5)
作为开源的深度学习框架，有着代码结构清晰，速度快等优点。但是配置与安装一直是个比较令人头疼的问题。尤其是随着每个Caffe包版本的升级以及CUDA等必要的库的更新换代，之前能用的教程说不定版本一更新就用不了了。在配置Caffe的时候我就走了不少弯路。最后折腾了好几天才搞定。这里我把我配置的流程简单介绍一下。
Ubuntu的安装
我安装的是Ubuntu15.04版本，安装Ubuntu是相对来说比较简单的。你只要需要一个作为启动盘的U盘即可。Ubuntu安装完以后我们优先安装vim和git两个重要的软件。
sudo apt-get update
sudo apt-get install git vim cmake automake
必要软件安装和环境的简单配置
打开CUDA官方下载的,进行平台的选择。我选择Ubuntu15.04，然后在Installer Type要选择deb(local),这样我们下载一个大小约为2g左右的文件。
然后在文件下好的目录下打开终端看，运行以下三句话就可以了。网上有很多非常复杂的配置CUDA的教程。那是因为他们用的是runfile安装，这样的方法又繁琐又容易出错。这里我们只要简单用local的deb文件，根据官网的教程走就可以了，没必要走复杂的流程。只需运行以下的三句。
sudo dpkg -i cuda-repo-ubuntu1504-7-5-local_7.5-18_amd64.deb`
sudo apt-get update`
sudo apt-get install cuda`
安装完以后配置环境变量。
sudo vi /etc/ld.so.conf.d/cuda.conf
在cuda.conf里添加
/usr/local/cuda/lib64
保存以后让lib文件链接
sudo ldconfig -v
其它的依赖项
按照顺序运行以下的语句。
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
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 libatlas-base-dev
这样就安装了protobuf，snappy，hdf5，boost，gflags，glog，lmdb，python以及atlas。
由于我们的系统版本是15.04，不需要单独去下载glog，gflags等单独make。能apt-get的就最好不要自己make。
安装Opencv
关于Opencv的版本问题，最好安装3.0的。我试过安装2.4.9和2.4.10的，总会出现各种问题。比如ffmpeg链接问题，识别cuda问题。在stackoverflow和github上寻找各种解决办法，最后发现只要把版本升上去的话就能够解决这些问题。
比如我在安装2.4.9的时候遇到了这样的bug：
opencv-2.4.9/modules/gpu/src/nvidia/core/NCVPixelOperations.hpp(51): error: a storage class is not allowed in an explicit specialization
最后搜到了这样的解决方案。所以一劳永逸的方法是安装3.0
安装3.0的时候运行这样的语句即可,感谢Ouxinyu提供的shell脚本。
git clone https://github.com/ouxinyu/Install-OpenCV-master.git
cd Install-Opencv-master/Ubuntu
sh dependencies.sh
sh opencv3_0_0-rc1.sh
shell脚本里包含了下载opencv附加项，从git下载Opencv3.0文件以及编译，环境变量配置的全部过程。
为了测试一下Opencv是否安装成功了，可以参考。
Caffe安装和编译
Caffe的下载去Github下载即可。
git clone https://github.com/BVLC/caffe.git
cp Makefile.config.example Makefile.config
然后修改Makefile.config的选项。
-1.配置引用文件
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
-2.应用Opencv3.0
OPENCV_VERSION :=3
-3.应用Python
WITH_PYTHON_LAYER :=1
然后就可以makefile了。
make all -j4
make test -j4
make runtest -j4
如果一切顺利的话，应该不会报错直接结束的。
-1.按照官方的来
由于Caffe版本一直在更新，所以如果按照旧的教程的话往往会有千奇百怪的错误。所以最好直接找官方的Guide来操作。
-2.多Google,多Stackoverflow
你要相信你遇到过的错误别人早就遇到过了，最好在Google和Stackoverflow上搜索出现的错误。错误最好是英文原文，这样比较方便能搜到正确的结局方案。
-3.优先apt-get，其次Git，再次网站下的zip
安装软件和依赖项的时候，能用系统的apt-get install的优先这么做，因为这样就不需要你自己编译以及配置环境变量。当没法apt-get而且软件可以在Github上找到的时候，优先去Github上clone。因为一般这个project对应的Readme里面会有非常细致的安装介绍。比如安装Caffe的时候我们就是从Github上clone的。当Github上也没有的时候才会考虑去官网下载，比如安装CUDA的时候我们是在官网下的deb文件。
中国科学技术大学多媒体计算与通信教育部-微软重点实验室
MultiMedia Computing Group
我的热门文章
即使是一小步也想与你分享Ubuntu Linux 15.04配置安装Caffe
最近开始尝试Deep Learning的东西，师兄推荐了Caffe，开始尝试如何配置Caffe运行所需环境。
OK，开始动手。
找到Caffe官网的安装指南：http://caffe.berkeleyvision.org/installation.html，着实被安装的预备条件吓了一下，好大一坨，没办法，安装需求，硬着头皮也要上啊，一项一项开始走起，我这里基本都是自己编译的包，并不是同其它文章中的使用Ubuntu软件库进行的安装配置。）
1、CUDA和BLAS安装
CUDA安装包和驱动的下载去NVIDIA官网下就好，Caffe官方推荐的是最新的CUDA 7.0及以上版本，所以，追了一把潮流，来了一个7.5版本的，驱动来个Linux环境下的闭源驱动，如果已经安装Linux下Additional Driver推荐的驱动的话，需要卸载重新安装，这个通过系统工具安装的驱动是没办法安装从官网下载的CUDA工具包的（记得之前是这个样子），这里也没有选择通过apt-get安装的CUDA版本，一步一步走起，感觉能更好的理解整个安装过程，而且，也知道自己安装的东西所在目录吧。
a) CUDA 7.0安装
首先，安装对应的依赖包：
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
------- deb安装方法
$ sudo dpkg -i cuda-repo-&distro&_&version&_&architecture&.deb
$ sudo apt-get update
$ sudo apt-get install cuda
安装完成后需要配置CUDA的环境变量：
～/.bashrc中最后加入：
$ export PATH=/usr/local/cuda-6.5/bin:$PATH
$ export LD_LIBRARY_PATH=/usr/local/cuda-6.5/lib64:$LD_LIBRARY_PATH
------- run文件安装方法
首先，安装显卡的闭源驱动，这里需要删除对应的Ubuntu系统下默认使用的显卡驱动：
sudo apt-get --purge remove xserver-xorg-video-nouveau
禁用nouveau驱动：
在/etc/modprobe.d/blacklist.conf配置文件后边加入（或者单独创建一个文件）：
blacklist nouveau
options nouveau modeset=0
重新生成kernel 的initramfs：
sudo update-initramfs -u
重启系统。
登陆界面按下ctrl+alt+F1，进入字符界面，登入系统，关闭lightdm管理器：
sudo service lightdm stop
进入NVIDIA闭源驱动所在目录，执行：
sudo ./&NVIDIA驱动文件&.run
之后执行对应的CUDA安装文件：
sudo ./&CUDA安装文件&.run
注意：这两个文件默认没有执行权限，需要手动添加执行权限：chmod +x &文件名&.run
b) OpenBLAS安装
可选的有ATLAS（Caffe的默认选项）、Intel MKL和OpenBLAS，由于ATLAS需要关闭CPU Throttling，这里并没有找到对应的关闭方法，且很多方法现如今都已经无效了，所以，这里使用的是OpenBLAS库文件，这里从Github上下载OpenBLAS：
git clone /xianyi/OpenBLAS
安装相对就简单很多了，进入OpenBLAS下载目录下
make && make install PREFIX=&安装的目标目录&
2、Boost安装
下载对应的Boost安装包，本文用的Boost安装包版本为boost_1_59_0.tar.bz2，解压之：
tar --bzip2 -xf &目标文件夹&
进入boost解压目录，可以通过如下命令查看安装帮助：
./bootstrap.sh --help
安装命令：
./bootstrap.sh --prefix=&安装目录& // 默认安装目录为/usr/local，我使用的是默认安装目录，因为没有弄明白对应的环境变量设置。
其他详细的安装选项见：http://www.boost.org/doc/libs/1_59_0/more/getting_started/unix-variants.html
3、protobuf安装
这里Caffe需要Protobuf（Google自己开发的一套协议框架，感觉很犀利的样子，有一篇博客介绍protobuf的：http://blog.csdn.net/caisini_vc/article/details/5599468），但安装Protobuf之前，需要先行编译安装googlemock和googletest，这里去Github上下载对应的googletest，下载地址：/google/googletest，由于googlemock依赖于googletest，且最新版的googlemock已经放到googletest项目中，所以只需要下载googletest即可。
git clone /google/googletest
进入googletest目录下，执行命令编译安装googletest：
./travse.sh
mkdir build && cd build
sudo make && make install
或者分别进入googletest和googlemock文件夹下，分别编译安装，但是应注意先行编译安装googletest，之后是googlemock。
OK，准备工作完成。
编译安装protobuf：
git clone /google/protobuf// 下载protobuf
首先，我们需要生成configure文件，进入protobuf文件夹下，执行：
./autogen.sh
安装命令：
./configure --prefix=&安装目录&
make check
sudo make instal
4、glog安装
Google的日志模块，下载：
git clone /google/glog
./configure && make && make install
5、gflags安装
git clone /gflags/gflags
安装命令，安装参数详细介绍见INSTALL.md：
mkdir build && cd build
ccmake ..// 按&c'配置build系统参数，&e'忽略警告，设置生成参数信息，&c&直至&g&可用，按&g&生成配置文件（configuration file）
make install
6、hdf5编译安装
HDF5下载地址：http://www.hdfgroup.org/HDF5/release/obtainsrc.html，本文用的是HDF5-1.8.16。
tar xvf hdf5-1.8.16.tar
简单安装方法，进入解压后的源码目录中，执行
./configure --prefix=&安装目录&
make check // 执行测试例程
make install
make check-install　// 验证安装.
同事，HDF5安装也支持CMake工具，关于CMake编译安装的方法或者完整安装方式请见： http://www.hdfgroup.org/HDF5/release/obtainsrc.html中给出的安装文档。
至此，Caffe强制的依赖包已经安装完成，可选的依赖包如lmdb，leveldb，cuDNN和OpenCV这里不再介绍，注意，如果安装Python Caffe还需要numpy（&=1.7）的软件包和Boost的Python支持。
------分隔线----------------------------Ubuntu 14.04安装Nvidia CUDA7.5并搭建Python Theano深度学习开发环境&
Ubuntu下CUDA（含GPU卡驱动）安装过程&
Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置说明&
Ubuntu 14.04 安装配置CUDA&
Ubuntu 12.04配置NVIDIA CUDA5.5实录&
Ubuntu安装Theano+CUDA&
关于Ubuntu 12.04 下 CUDA5.5 的安装请参看如下链接
更多Ubuntu相关信息见 专题页面
本文永久更新链接地址：
相关资讯 & & &
& (昨 20:04)
& (06月22日)
& (11/07/:57)
& (06月22日)
& (11/07/:16)
& (09/28/:45)
图片资讯 & & &