亲测提示：1，不一定会用到第一步；2，第七部中安装Python依赖项中，sudo su后，需要cd caffe/python文件夹再for req in。

3，cuda 9.0安装步骤稍有不同，在这个链接里有详细的介绍：

以下为原文：

 

首先说明，这是在台式机上的安装测试经历，首先安装的win10，然后安装ubuntu16.04双系统，显卡为GTX1060
台式机显示器接的是GTX1060 HDMI口，win10上首先安装了最新的GTX1060驱动372.54

废话不多说，上车吧，少年

一、首先安装nvidia显卡驱动

  1. 我是1080P的显示器，在没有安装显卡驱动前，ubuntu分辨率很低，可以手动修改一下grub文件，提高分辨率，在终端输入
    sudo vim /etc/default/grub 找到以下行
    # The resolution used on graphical terminal# note that you can use only modes which your graphic card supports via VBE# you can see them in real GRUB with the command 'vbeinfo'# GRUB_GFXMODE=640×480 按a进入插入模式，增加下面一行
    GRUB_GFXMODE=1920×1080 #这里分辨率自行设置
    按esc退出插入模式，按:wq保存退出
    在终端编辑
    sudo update-grub 更新grub
    重新启动ubuntu使之生效
     

  2. 进入ubuntu系统设置-软件与更新-ubuntu软件，使用的是中科大的源： http://mirrors.ustc.edu.cn/ubuntu，如下所示


    更新Ubuntu16.04源，终端输入
    cd /etc/apt/sudo cp sources.list sources.list.baksudo vi sources.list 把下面的这些源添加到source.list中：
    deb http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiversedeb http://mirrors.ustc.edu.cn/ubuntu/ xenial-security main restricted universe multiversedeb http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiversedeb http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiversedeb http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiversedeb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiversedeb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-security main restricted universe multiversedeb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiversedeb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiversedeb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse 最后更新源和更新已安装的包：
    终端输入
    sudo apt-get updatesudo apt-get upgrade

  3. 安装nvidia驱动，终端输入
    sudo add-apt-repository ppa:graphics-drivers/ppa 回车后继续
    sudo apt-get update
    sudo apt-get install nvidia-367
    sudo apt-get install mesa-common-dev
    sudo apt-get install freeglut3-dev
    之后重启系统让GTX1060显卡驱动生效
     


  5. 测试
    终端输入
    nvidia-smi 显示效果如下图表示安装成功

    6. 深度学习如何检验cuda是否使用了_深度学习如何检验cuda是否使用了

二、cuda安装

  1. 下载cuda_8.0.27_linux.run和cudnn-8.0-linux-x64-v5.1.tgz
    这里我提供了 百度网盘，这两个文件我先在win10下下载好，并用u盘拷贝到ubuntu的下载目录下
     


  3. 安装cuda8.0
    终端输入
    cd 下载/sh cuda_8.0.27_linux.run --override 启动安装程序，一直按空格到最后，输入accept接受条款
    输入n不安装nvidia图像驱动，之前已经安装过了
    输入y安装cuda 8.0工具
    回车确认cuda默认安装路径：/usr/local/cuda-8.0
    输入y用sudo权限运行安装，输入密码
    输入y或者n安装或者不安装指向/usr/local/cuda的符号链接
    输入y安装CUDA 8.0 Samples，以便后面测试
    回车确认CUDA 8.0 Samples默认安装路径：/home/pawn（pawn是我的用户名），该安装路径测试完可以删除
    安装完显示如下图

    4. 深度学习如何检验cuda是否使用了_ubuntu_02

  4.  

  5. 安装cudnn v5.1
    终端输入
    cd 下载/tar zxvf cudnn-8.0-linux-x64-v5.1.tgz 解压在下载目录下产生一个cuda目录
    cd cuda/include/sudo cp cudnn.h /usr/local/cuda/include/ 复制头文件
    cd ../lib64 打开lib64目录
    sudo cp lib* /usr/local/cuda/lib64/ 复制库文件
    sudo chmod a+r /usr/local/cuda/include/cudnn.h/usr/local/cuda/lib64/libcudnn*给所有用户增加这些文件的读权限
     

  6. 建立软链接
    终端输入
    cd /usr/local/cuda/lib64/sudo rm -rf libcudnn.so libcudnn.so.5sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5sudo ln -s libcudnn.so.5 libcudnn.so 设置环境变量，终端输入
    sudo gedit /etc/profile 在末尾加入
    PATH=/usr/local/cuda/bin:$PATHexport PATH 保存后，创建链接文件
    sudo vim /etc/ld.so.conf.d/cuda.conf 按a进入插入模式，增加下面一行
    /usr/local/cuda/lib64 按esc退出插入模式，按:wq保存退出
    最后在终端输入sudo ldconfig使链接生效
     


  8. cuda Samples测试
    打开CUDA 8.0 Samples默认安装路径，终端输入
    cd /home/pawn/NVIDIA_CUDA-8.0_Samples （pawn是我的用户名）
    sudo make all -j4 （4核）
    出现“unsupported GNU version! gcc versions later than 5.3 are not supported!”的错误，这是由于GCC版本过高，在终端输入
    cd /usr/local/cuda-8.0/includesudo cp host_config.h host_config.h.baksudo gedit host_config.h ctrl+f寻找有“5.3”的地方，只有一处，如下
    # if __GNUC__ > 5 || (__GNUC__ == 5 && __GNUC_MINOR__ > 3)#error -- unsupported GNU version! gcc versions later than 5.3 are not supported! 将两个5改成6，即
    #if __GNUC__ > 6 || (__GNUC__ == 6 && __GNUC_MINOR__ > 3) 保存退出，继续在终端输入
    cd /home/pawn/NVIDIA_CUDA-8.0_Samples （pawn是我的用户名）
    sudo make all -j4 （4核）
    完成后继续向终端输入
    cd bin/x86_64/linux/release./deviceQuery 完成之后出现如下图所示，表示成功安装cuda

    9. 深度学习如何检验cuda是否使用了_caffe_03

三、依赖包安装

  1. sudo apt-get install build-essential #必要的编译工具依赖

  2. sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler

  3. sudo apt-get install --no-install-recommends libboost-all-dev

  4. sudo apt-get install libatlas-base-dev

  5. sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

四

  1. 安装python的pip和easy_install，方便安装软件包
    终端输入
    cdwget --no-check-certificate https://bootstrap.pypa.io/ez_setup.pysudo python ez_setup.py --insecurewget https://bootstrap.pypa.io/get-pip.pysudo python get-pip.py

五

  1. 安装科学计算和python所需的部分库
    终端输入
    sudo apt-get install libblas-dev liblapack-dev libatlas-base-dev gfortran python-numpy

六

  1. 安装git，拉取源码
    终端输入
    sudo apt-get install gitgit clone https://github.com/BVLC/caffe.git

七

  1. 安装python依赖
    终端输入
    sudo apt-get install python-pip 安装pip
    sudo sufor req in $(cat "requirements.txt"); do pip install -i https://pypi.tuna.tsinghua.edu.cn/simple $req; done 按Ctrl+D退出sudo su模式

八、编译caffe(暂不对matlab说明)

  1. 终端输入
    cd /home/pawn/caffecp Makefile.config.example Makefile.configgedit Makefile.config①将USE_CUDNN := 1取消注释，
    ②INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include后面打上一个空格 然后添加/usr/include/hdf5/serial如果没有这一句可能会报一个找不到hdf5.h的错误

  2. 终端输入
    make all -j4 make过程中出现找不到lhdf5_hl和lhdf5的错误，
    解决方案：
    在计算机中搜索libhdf5_serial.so.10.1.0，找到后右键点击打开项目位置
    该目录下空白处右键点击在终端打开，打开新终端输入
    sudo ln libhdf5_serial.so.10.1.0 libhdf5.sosudo ln libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so 最后在终端输入sudo ldconfig使链接生效
    原终端中输入make clean清除第一次编译结果
    再次输入make all -j4重新编译

  3. 终端输入
    make test -j4make runtest -j4make pycaffe -j4make distribute 生成发布安装包

  4. 测试python，终端输入
    cd /home/pawn/caffe/pythonpythonimport caffe 如果不报错就说明编译成功

九、mnist测试

  1. 下载mnist数据集，终端输入
    cd /home/pawn/caffe/data/mnist/./get_mnist.sh 获取mnist数据集
    在/home/pawn/caffe/data/mnist/目录下会多出训练集图片、训练集标签、测试集图片和测试集标签等4个文件

  2. mnist数据格式转换，终端输入
    cd /home/pawn/caffe/./examples/mnist/create_mnist.sh 必须要在第一行之后运行第二行，即必须要在caffe根目录下运行create_mnist.sh
    此时在/caffe/examples/mnist/目录下生成mnist_test_lmdb和mnist_train_lmdb两个LMDB格式的训练集和测试集

  3. LeNet-5模型描述在/caffe/examples/mnist/lenet_train_test.prototxt

  4. Solver配置文件在/caffe/examples/mnist/lenet_solver.prototxt


  6. 训练mnist，执行文件在/caffe/examples/mnist/train_lenet.sh 终端输入
    cd /home/pawn/caffe/./examples/mnist/train_lenet.sh 测试结果如下

    7. 深度学习如何检验cuda是否使用了_深度学习如何检验cuda是否使用了_04