Ubuntu16.04Caffe安装步骤记录（超详尽）
历时⼀周终于在 ubuntu16.04 系统成功安装 caffe 并编译，⽹上有很多教程，但是某些步骤并没有讲解详尽，导致配置过程总是出现各种各样匪夷所思的问题，尤其对于新⼿⽽⾔更是欲哭⽆泪，在我饱受折磨后决定把安装步骤记录下来，尽量详尽清楚明⽩，避免后来⼩⽩重蹈覆辙。
安装硬件： intel i5 + NVIDIA 740 M
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
2、禁⽤ nouveau
3、配置环境变量
4、下载 CUDA 8.0
5、安装 CUDA 8.0
6、验证 CUDA 8.0 是否安装成功
7、安装 cudnn
8、安装 opencv3.1
9、安装 caffe
10、安装 pycaffe notebook 接⼝环境
第1步安装依赖包
安装后续步骤或环境必需的依赖包，依次输⼊以下命令:
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 libopenblas-dev liblapack-dev libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install git cmake build-essential
有⼀定⼏率安装失败⽽导致后续步骤出现问题，所以要确保以上依赖包都已安装成功，验证⽅法就是重新运⾏安装命令，如验证 git cmake build-essential是否安装成功共则再次运⾏以下命令：
sudo apt-get install git cmake build-essential
界⾯提⽰如下则说明已成功安装依赖包，否则继续安装直到安装成功。
yhao@yhao-X550VB:~$ sudo apt-get install git cmake build-essential
正在读取软件包列表... 完成
正在分析软件包的依赖关系树
正在读取状态信息... 完成
build-essential 已经是最新版 (12.1ubuntu2)。
cmake 已经是最新版 (3.5.1-1ubuntu3)。
git 已经是最新版 (1:2.7.4-0ubuntu1.1)。
下列软件包是⾃动安装的并且现在不需要了：
lib32gcc1 libc6-i386
使⽤'sudo apt autoremove'来卸载它(它们)。
升级了 0 个软件包，新安装了 0 个软件包，要卸载 0 个软件包，有 94 个软件包未被升级。
第2步禁⽤ nouveau
安装好依赖包后需要禁⽤ nouveau，只有在禁⽤掉 nouveau 后才能顺利安装 NVIDIA 显卡驱动，禁⽤⽅法就是在
/etc/modprobe.f ⽂件中添加⼀条禁⽤命令，⾸先需要打开该⽂件，通过以下命令打开：
sudo gedit /etc/modprobe.f
打开后发现该⽂件中没有任何内容，写⼊：
blacklist nouveau option nouveau modeset=0
保存时命令窗⼝可能会出现以下提⽰：
** (gedit:4243): WARNING **: Set document metadata failed: 不⽀持设置属性 metadata::gedit-position
⽆视此提⽰～，保存后关闭⽂件，注意此时还需执⾏以下命令使禁⽤ nouveau 真正⽣效：
sudo update-initramfs -u
第3步配置环境变量
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。
第4步下载 CUDA 8.0
第5步安装 CUDA 8.0
第四步下载的1.4G的 CUDA中包含有 nvidia 显卡驱动，故此步骤 CUDA 的安装包括了 nvidia 显卡驱动的安装，此时注意你是否已经安装过 nvidia 显卡驱动，若⽆法保证已安装的 nvidia 显卡驱动⼀定正确，那就卸载掉之前安装的 nvidia 显卡驱动（)，然后开始安装 CUDA 8.0；若可以保证已安装正确的 nvidia 显卡驱动，则直接开始安装 CUDA 8.0，在安装过程中选择不再安装 nvidia 显卡驱动。
为了⽅便开始安装过程的路径查，把下载的 CUDA 安装⽂件移动到 HOME 路径下，然后通过 Ctrl + Alt + F1 进⼊⽂本模式，输⼊帐号密码登录，通过 Ctrl + Alt + F7 可返回图形化模式，在⽂本模式登录后⾸先关闭桌⾯服务：
sudo service lightdm stop
然后通过 Ctrl + Alt + F7 发现已⽆法成功返回图形化模式，说明桌⾯服务已成功关闭，注意此步对接下来的 nvidia 驱动安装尤为重要，必需确保桌⾯服务已关闭。
Ctrl + Alt + F1 进⼊⽂本模式，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 --no-opengl-libs
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5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
第6步验证 CUDA 8.0 是否安装成功
分别执⾏以下命令：
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
若看到类似以下信息则说明 cuda 已安装成功：
./
CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "GeForce GT 740M"
CUDA Driver Version / Runtime Version          8.0 / 8.0
CUDA Capability Major/Minor version number:    3.5
Total amount of global memory:                2004 MBytes (2100953088 bytes)
( 2) Multiprocessors, (192) CUDA Cores/MP:    384 CUDA Cores
GPU Max Clock rate:                            1032 MHz (1.03 GHz)
Memory Clock rate:                            800 Mhz
Memory Bus Width:                              64-bit
L2 Cache Size:                                524288 bytes
Maximum Texture Dimension Size (x,y,z)        1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
Maximum Layered 1D Texture Size, (num) layers  1D=(16384), 2048 layers
Maximum Layered 2D Texture Size, (num) layers  2D=(16384, 16384), 2048 layers
Total amount of constant memory:              65536 bytes
Total amount of shared memory per block:      49152 bytes
Total number of registers available per block: 65536
Warp size:                                    32
Maximum number of threads per multiprocessor:  2048
Maximum number of threads per block:          1024
Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)
Maximum memory pitch:                          2147483647 bytes
Texture alignment:                            512 bytes
Concurrent copy and kernel execution:          Yes with 1 copy engine(s)
Run time limit on kernels:                    No
Integrated GPU sharing Host Memory:            No
Support host page-locked memory mapping:      Yes
Alignment requirement for Surfaces:            Yes
Device has ECC support:                        Disabledubuntu怎么安装python
Device supports Unified Addressing (UVA):      Yes
Device PCI Domain ID / Bus ID / location ID:  0 / 1 / 0
Compute Mode:
< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 8.0, CUDA Runtime Version = 8.0, NumDevs = 1, Device0 = GeForce GT 740M Result = PASS
第7步安装 cudnn
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：
sudo cp lib* /usr/local/cuda/lib64/ #复制动态链接库
cd /usr/local/cuda/lib64/sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有动态⽂件
sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5 #⽣成软衔接
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: 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 libcu
dnn.so.5.1.5 ，查看⽅法为下：
locate libcudnn.so
我执⾏完后显⽰如下：
yhao@yhao-X550VB:~$ locate libcudnn.so
/home/yhao/.local/share/Trash/files/libcudnn.so
/home/yhao/.local/share/Trash/files/libcudnn.so.5
/home/yhao/.local/share/Trash/files/libcudnn.so.5.1.10
/home/yhao/.local/share/Trash/files/cuda/lib64/libcudnn.so
/home/yhao/.local/share/Trash/files/cuda/lib64/libcudnn.so.5
/home/yhao/.local/share/Trash/files/cuda/lib64/libcudnn.so.5.1.10
/home/yhao/.local/share/Trash/info/libcudnn.so.5.ashinfo
/
home/yhao/.local/share/Trash/info/libcudnn.ashinfo
/home/yhao/.local/share/Trash/info/ashinfo
/home/yhao/cuda/lib64/libcudnn.so
/home/yhao/cuda/lib64/libcudnn.so.5
/home/yhao/cuda/lib64/libcudnn.so.5.1.10
/usr/local/lib/libcudnn.so
/usr/local/lib/libcudnn.so.5
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：
yhao@yhao-X550VB:~$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2016 NVIDIA Corporation
Built on Tue_Jan_10_13:22:03_CST_2017
Cuda compilation tools, release 8.0, V8.0.61
第8步安装 opencv3.1
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：
mkdir build # 创建编译的⽂件⽬录
cd build
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
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：
modules/cudalegacy/src/graphcuts.cpp:120:54: error:
‘NppiGraphcutState’ has not been declared
typedef NppStatus (*init_func_t)(NppiSize oSize,
NppiGraphcutState** ppState, Npp8u* pDeviceMem);
这是由于opecv3.1与cuda8.0不兼容导致的。解决办法：

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。