深度学习框架Caffe在Ubuntu下编译安装

深度学习框架Caffe特点，富有表达性、快速、模块化。下面介绍Caffe如何在Ubuntu上编译安装。

1. 前提条件

安装依赖的软件包：

CUDA 用来使用GPU模式计算.
- 建议使用 7.0 以上最新的版本
BLAS via ATLAS, MKL, or OpenBLAS.
Boost >= 1.55
protobuf, glog, gflags, hdf5

可选依赖软件包:

OpenCV >= 2.4 including 3.0
IO libraries: lmdb, leveldb （note: leveldb requires snappy）
cuDNN for GPU acceleration （v3）

编程开发接口：

Pycaffe 和 Matcaffe，各自有各自的要求：

For Python Caffe: Python 2.7 or Python 3.3+, numpy （>= 1.7）, boost-provided boost.python
For MATLAB Caffe: MATLAB with the mex compiler

编译版本：

cuDNN Caffe：支持CUDA和cuDNN快速操作 CPU-only Caffe：无CUDA支持，只使用CPU。可用于云和集群部署。

2. 编译

安装依赖包（boost 和 protobuf, glog, gflags, hdf5）：

1	`sudo` `apt-get` `install` `libboost-all-dev libprotobuf-dev protobuf-compiler libhdf5-serial-dev libgflags-dev libgoogle-glog-dev`

安装依赖包（atlas）：

1	`sudo` `apt-get` `install` `libatlas-base-dev`

安装依赖包（CUDA）：下载网址： CUDA CUDA有几种安装方式，由于文件比较大，国内有源，所以这里选择从网络安装。下载相应的安装包，如我的是 cuda-repo-ubuntu1504_7.5-18_amd64.deb 。然后执行如下命令：

123	`sudo` `dpkg -i cuda-repo-ubuntu1504_7.5-18_amd64.debsudo` `apt-get updatesudo` `apt-get` `install` `cuda`

设置LD_LIBRARY_PATH，最简单的方式在你的 /etc/profile 或 ~/.bashrc 文件中添加如下语句： export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
或者执行命令 sudo vi /etc/ld.so.conf.d/cuda.conf，在文件中添加如下内容： /usr/local/cuda/lib64 然后再执行命令：

1	`sudo` `ldconfig`

安装可选包（IO libraries: lmdb, leveldb （note: leveldb requires snappy）和 opencv）：

1	`sudo` `apt-get` `install` `libleveldb-dev libsnappy-dev liblmdb-dev libopencv-dev`

安装CUDNN：下载网址：CUDNN （需要注册申请，批准通过，才能下载）解压缩下载文件，将 include 和 lib64 拷贝放置在 /usr/local/cuda 目录下即可。执行如下命令修改链接文件：

1234	`cd` `/usr/local/cuda/lib64rm` `-rf libcudnn.so libcudnn.so.4ln` `-s libcudnn.so.4.0.4 libcudnn.so.4ln` `-s libcudnn.so.4 libcudnn.so`

获取源代码：？

1	`git clone git://github.com/BVLC/caffe.git`

添加修改编译配置：？

1	`cp` `Makefile.config.example Makefile.config<br>vi` `Makefile.config`

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opencv3，如果你使用的 opencv >= 3.0.0 OPENCV_VERSION := 3 否则编译时候会报错 “ 对‘cv::imdecode（cv::_InputArray const&, int）’未定义的引用 ”执行如下命令编译：

123	`make` `all -j4make` `test` `-j4make` `runtest -j4`

要编译使用cuDNN加速，在Makefile.config文件中，设置 USE_CUDNN := 1
要编译 CPU-only Caffe版本，在Makefile.config文件中，设置 CPU_ONLY := 1

要编译Python 和 MATLAB 封装包，在分别各自使用 make pycaffe 和 make matcaffe 命令编译前，确定在 Makefile.config 文件中，设置好 MATLAB 和 Python的路径。 要安装使用pycaffe，必须安装相应的python依赖包，可进入python，并执行如下命令安装：

1	`for` `req` `in` `$（cat` `requirements.txt）;` `do` `pip` `install` `$req;` `done`

注意：在安装python包时，可能会失败，是由于缺少相应的cpp版本，比如我的机器安装pyyaml失败，于是执行命令安装libyaml

1	`sudo` `apt-get` `install` `libyaml-cpp-dev`

执行如下命令编译 pycaffe：

1	`make` `pycaffe -j4`

在安装完成之后，如果想要导入caffePython模块，则添加模块路径到你的环境变量 $PYTHONPATH 中。比如在你的~/.bashrc中添加如下一行： export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH

3. 测试安装

下面通过运行mnist来验证caffe已正常安装：1. 数据预处理

1	`data/mnist/get_mnist.sh`

2. 重建lmdb文件。Caffe支持多种数据格式输入网络，包括Image（.jpg, .png等），leveldb，lmdb，HDF5等，根据自己需要选择不同输入吧。

12	`examples/mnist/create_mnist.sh`

生成mnist-train-lmdb 和 mnist-train-lmdb文件夹，这里包含了lmdb格式的数据集3. 训练mnist

1	`examples/mnist/train_lenet.sh`

Ubuntu 16.04下Matlab2014a+Anaconda2+OpenCV3.1+Caffe安装 http://www.linuxidc.com/Linux/2016-07/132860.htmUbuntu 16.04系统下CUDA7.5配置Caffe教程 http://www.linuxidc.com/Linux/2016-07/132859.htmCaffe在Ubuntu 14.04 64bit 下的安装 http://www.linuxidc.com/Linux/2015-07/120449.htmCaffe + Ubuntu 14.04 64bit + CUDA 6.5 配置说明 http://www.linuxidc.com/Linux/2015-04/116444.htm更多Ubuntu相关信息见Ubuntu 专题页面 http://www.linuxidc.com/topicnews.aspx？tid=2本文永久更新链接地址