Caffe + Ubuntu14.04 64bit（位）+ Cuda6.5/Cuda7.0 安装配置教程
转载请注明：http://blog.csdn.net/wangpengfei163/article/details/50488079
随着深度学习快速发展的浪潮，许多有兴趣的工作者都转入了这个有着很好前景的研究中。工欲善其事，必先利其器。Caffe是一个很不错的深度学习框架，但它的安装步骤比较繁琐，将许多新手拒之门外，于是我就写了这篇博客，主要是我之前安装Caffe也是费了很多时间，由零基础慢慢学习，很羡慕那些有师兄师姐可以帮助的人。。。
下面开始正式介绍相关安装步骤：
（暂停更新。。。2016-1-9起）
该教程主要包括以下几方面的内容：
第一部分：安装所需要的包
第二部分：NVIDIA 驱动和CUDA 安装
第三部分：Caffe安装和测试
第一部分：安装所需要的包
sudo apt-get install build-essential # basic requirement sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler #required by caffe
提示：使用 sudo apt-get install libboost-all-dev ，默认安装boost1.54版本，如果想要使用1.55版本，可以使用命令：sudo apt-get install libboost1.55-all-dev（推荐）
第二部分：NVIDIA 驱动和CUDA 安装
重要提示：安装完Ubuntu系统以及CUDA之后，切莫进行系统更新，会引起不能正常进入桌面的情况，会令你很烦恼的。
安装之前请进行md5检验，确保安装包完整，检验命令为：md5sum 文件名，查看输出的md5sum是否跟你有的相同。
以cuda-repo-ubuntu1404-7-0-local_7.0-28_amd64.deb为例
目前CUDA官网已经提供离线*.deb安装的方法，本教程提供两种安装方法（*.deb和*.run）
验证机器具有NVIDIA显卡
lspci | grep -i nvidia
（一）离线 *.deb 安装方法（推荐）
此方法不用切换到文本模型即可安装。
（2.1.1）首先下载 对应系统的 离线CUDA安装包 （*.deb） 链接：https://developer.nvidia.com/cuda-toolkit
（2.1.2）安装下载到的 CUDA离线包 (cuda-repo-ubuntu1404-7-0-local_7.0-28_amd64.deb)
添加软件源 sudo dpkg -i cuda-repo-<distro>_<version>_<architecture>.deb 更新软件源 sudo apt-get update 安装CUDA sudo apt-get install cuda 重启计算机（通过boot设置独立显卡支持） sudo reboot
（2.1.3）修改环境变量
1）在 /etc/profile 文件中添加以下内容：
export PATH=/usr/local/cuda-7.0/bin:$PATH
命令：
sudo vim /etc/profile
2）使环境变量生效
命令：
source /etc/profile
（2.1.4）添加lib库路径
1）在 /etc/ld.so.conf.d/ 文件夹下添加 cuda.conf 文件，内容如下：
/usr/local/cuda-7.0/lib64
2）使库路径立即生效
sudo ldconfig [-v，可选]
（2.1.5）安装CUDA Samples
命令：
sudo sh cuda-samples-linux-6.5.14-18745345.run一直aceept就行，建议使用默认路径。
编译CUDA Samples
命令：
cd /usr/local/cuda-6.5/samples sudo make
运行命令：
./deviceQuery
输出：
./deviceQuery Starting...
CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "Tesla K40c"
CUDA Driver Version / Runtime Version 6.5 / 6.5
CUDA Capability Major/Minor version number: 3.5
Total amount of global memory: 11520 MBytes (12079136768 bytes)
(15) Multiprocessors, (192) CUDA Cores/MP: 2880 CUDA Cores
GPU Clock rate: 745 MHz (0.75 GHz)
Memory Clock rate: 3004 Mhz
Memory Bus Width: 384-bit
L2 Cache Size: 1572864 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 2 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: Enabled
Device supports Unified Addressing (UVA): Yes
Device PCI Bus ID / PCI location ID: 1 / 0
Compute Mode:
< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 6.5, CUDA Runtime Version = 6.5, NumDevs = 1, Device0 = Tesla K40c
Result = PASS
（2.1.6）验证NVIDIA 驱动和CUDA是否安装成功
查看安装NVIDIA驱动版本 命令：
cat /proc/driver/nvidia/version
输出
NVRM version: NVIDIA UNIX x86_64 Kernel Module 340.96 Sun Nov 8 22:33:28 PST 2015 GCC version: gcc version 4.7.3 (Ubuntu/Linaro 4.7.3-12ubuntu1)
从输出信息可以看出NVIDIA驱动版本为 340.96
安装完成后，就可以重新启动桌面服务了。
命令：
sudo start lightdm
（二）离线 *.run 安装方法
使用该方法安装，可能需要尝试多次安装
（2.2.1）验证显卡是否支持CUDA
命令：
lspci | grep -i nvidia查看该计算机显卡是否存在于 链接 https://developer.nvidia.com/cuda-gpus 中。
（2.2.2）验证系统，确定为x86架构，64bit系统
命令：
uname -m && cat /etc/*release输出：
x86_64 DISTRIB_ID=Ubuntu DISTRIB_RELEASE=14.04 DISTRIB_CODENAME=trusty DISTRIB_DESCRIPTION="Ubuntu 14.04.2 LTS" NAME="Ubuntu" VERSION="14.04.2 LTS, Trusty Tahr" ID=ubuntu ID_LIKE=debian PRETTY_NAME="Ubuntu 14.04.2 LTS" VERSION_ID="14.04" HOME_URL="http://www.ubuntu.com/" SUPPORT_URL="http://help.ubuntu.com/" BUG_REPORT_URL="http://bugs.launchpad.net/ubuntu/"
（2.2.3）验证系统中是否已经安装gcc，因为需要用gcc来编译CUDA和Caffe
命令：
gcc --version
（2.2.4）NVIDIA和CUDA安装（*.run）
安装之前请进行md5sum检验，确保安装包完整，检验命令为：md5sum 文件名，查看输出的md5sum是否跟你有的相同。
该方法以 CUDA6.5 为例。
（2.2.4.1）首先下载 对应系统的 离线CUDA安装包 （*.run） 链接：https://developer.nvidia.com/cuda-toolkit
（2.2.4.2）关闭桌面服务
进入Ubuntu， 按 Ctrl+Alt+F1 进入tty， 登录tty后输入如下命令：sudo service lightdm stop。
此命令会关闭lightdm服务，如果你使用的是gdm或者其他的桌面服务，请在安装NVIDIA显卡驱动前关闭它。
（2.2.4.3）关闭 Nouveau 开源驱动服务
Nouveau是一个开源的显卡驱动，Ubuntu 14.04 默认安装了，但是它会影响nVidia驱动的安装，启动时需要将这个驱动加入黑名单中。
1)：修改nvidia-graphics-drivers.conf文件
sudo vim /etc/modprobe.d/nvidia-graphics-drivers.conf
写入：
blacklist nouveau
保存并退出:
wq!
检查：
cat nvidia-graphics-drivers.conf
2）：修改grub文件
sudo vim /etc/default/grub
末尾写入：
rdblacklist=nouveau nouveau.modeset=0
保存并退出:
wq!
检查：
cat /etc/default/grub
（2.2.4.4）安装下载到的 CUDA离线包 (*.run)
1）：安装 *.run文件，可以直接使用命令 sudo sh cuda_6.5.14_linux_64.run 一直aceept就行。
或者
由于CUDA安装包中NVIDIA驱动的版本并不保证是最新的，也不一定适合你的计算机的显卡，所以建议使用下面这种方式分开安装，如果NVIDIA驱动版本和CUDA版本不对应的话，会导致CUDA安装失败，或者进入不了桌面服务。可以去NVIDIA官网 下载对应你的显卡的驱动的最新版，至少要高于CUDA安装包中自带的NVIDIA版本。
通过下列命令
cuda_6.5.14_linux_64.run --extract=extract_path
将下载得到的 *.run 文件解压成三个文件, 分别为
CUDA安装包： cuda-linux64-rel-6.5.14-18749181.run
NVIDIA安装包： NVIDIA-Linux-x86_64-340.65.run
CUDA Samples安装包：cuda-samples-linux-6.5.14-18745345.run
分别运行各个文件，运行前，需要将文件权限修改为可执行权限
命令：
chmod +x *.run
2）：安装CUDA
命令：
sudo sh cuda-linux64-rel-6.5.14-18749181.run一直aceept就行，建议使用默认路径。
安装NVIDIA（如果没有NVIDIA显卡，可跳过该步骤，仍可使用Caffe的CPU模式）
命令：（不建议使用）
sudo sh NVIDIA-Linux-x86_64-340.65.run
一直aceept就行，建议使用默认路径。
3）：建议方法(仅限于使用CUDA6.5，如果你需要使用更新的CUDA版本，请去NVIDIA官网 下载对应你的显卡的驱动的最新版，至少要高于CUDA安装包中自带的NVIDIA版本，然后单独安装显卡驱动。链接：http://www.nvidia.cn/Download/index.aspx?lang=cn)
1：添加驱动源
sudo add-apt-repository ppa:xorg-edgers/ppa sudo apt-get update
2：安装340版驱动 (CUDA 6.5.14目前最高仅支持340版驱动， 343， 346版驱动暂不支持)
sudo apt-get install nvidia-3403：安装完成后, 继续安装下列包 (否则在运行sample时会报错)
sudo apt-get install nvidia-340-uvm4：安装完成后，最好重启计算机，让NVIDIA显卡工作
（2.2.4.5）安装CUDNN（可选）
1）：下载 cudnn-6.5-linux-x64-v2 点击下载，然后执行以下命令安装
tar -zxvf cudnn-6.5-linux-x64-v2.tgz cd cudnn-6.5-linux-x64-v2 sudo cp lib* /usr/local/cuda-6.5/lib64/ sudo cp cudnn.h /usr/local/cuda-6.5/include/
2）：更新软连接
cd /usr/local/cuda-6.5/lib64/ sudo rm -rf libcudnn.so libcudnn.so.6.5 sudo ln -s libcudnn.so.6.5.48 libcudnn.so.6.5 sudo ln -s libcudnn.so.6.5 libcudnn.so
（2.2.4.6）修改环境变量
1）：在 /etc/profile 文件中添加以下内容：
export PATH=/usr/local/cuda-6.5/bin:$PATH
命令：
sudo vim /etc/profile
2）：使环境变量生效
命令：
source /etc/profile
（2.2.4.7）添加lib库路径
1）：在 /etc/ld.so.conf.d/ 文件夹下添加 cuda.conf 文件，内容如下：
/usr/local/cuda-6.5/lib64
2）：使库路径立即生效
sudo ldconfig [-v，可选]
（2.2.4.8）安装CUDA Samples
命令：
sudo sh cuda-samples-linux-6.5.14-18745345.run一直aceept就行，建议使用默认路径。
编译CUDA Samples
命令：
cd /usr/local/cuda-6.5/samples sudo make
运行命令：
./deviceQuery
输出：
./deviceQuery Starting...
CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "Tesla K40c"
CUDA Driver Version / Runtime Version 6.5 / 6.5
CUDA Capability Major/Minor version number: 3.5
Total amount of global memory: 11520 MBytes (12079136768 bytes)
(15) Multiprocessors, (192) CUDA Cores/MP: 2880 CUDA Cores
GPU Clock rate: 745 MHz (0.75 GHz)
Memory Clock rate: 3004 Mhz
Memory Bus Width: 384-bit
L2 Cache Size: 1572864 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 2 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: Enabled
Device supports Unified Addressing (UVA): Yes
Device PCI Bus ID / PCI location ID: 1 / 0
Compute Mode:
< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 6.5, CUDA Runtime Version = 6.5, NumDevs = 1, Device0 = Tesla K40c
Result = PASS
（2.2.4.9）验证NVIDIA 驱动和CUDA是否安装成功
查看安装NVIDIA驱动版本 命令：
cat /proc/driver/nvidia/version
输出
NVRM version: NVIDIA UNIX x86_64 Kernel Module 340.96 Sun Nov 8 22:33:28 PST 2015 GCC version: gcc version 4.7.3 (Ubuntu/Linaro 4.7.3-12ubuntu1)
从输出信息可以看出NVIDIA驱动版本为 340.96
安装完成后，就可以重新启动桌面服务了。
命令：
sudo start lightdm
第三部分：Caffe安装和测试
该部分主要安装Caffe相关工具
（一）安装MATLAB
假设matlab安装路径为：/usr/local/MATLAB/R2014b
matlab破解文件路径为/home/
1）挂载iso文件
选择"install manually without using the internet"项进行安装
输入"file installation key":12345-67890-12345-67890（随便都行）
激活：选择对应的”license.lic”文件进行激活（在Crack文件夹下面）
把crack文件下的so文件拷贝过来：
cp /home/libmwservices.so /usr/local/MATLAB/R2014b/bin/glnxa64/
在文件末尾添加
export PATH=/usr/local/MATLAB/R2014b/bin:$PATH
保存并退出后使设置生效
source /etc/profile
（二）安装Python
sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose
python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx
（三）安装Intel MKL或者ATLAS
如果没有申请到Intel MKL，可以使用以下命令安装免费的ATLAS
sudo apt-get install libatlas-base-dev如果申请到了MKL，解压下载到的文件，运行 install_GUI.sh，然后按照图形界面步骤安装即可。
安装完成后，需要执行下列两个步骤：
1）：在 /etc/ld.so.conf.d/ 文件夹下添加 intel_mkl.conf文件，内容如下：
/opt/intel/lib /opt/intel/mkl/lib/intel64
2）：使库路径立即生效
sudo ldconfig [-v，可选]
（四）安装OpenCV（该选项【可选】）
（五）编译Caffe
1）下载Caffe源码包 Caffe源码包
2）进入caffe-master文件夹目录，复制一份 Makefile.config.examples
cp Makefile.config.example Makefile.config
3）修改Makefile.config文件中相关路径
## Refer to http://caffe.berkeleyvision.org/installation.html # Contributions simplifying and improving our build system are welcome! # cuDNN acceleration switch (uncomment to build with cuDNN). # USE_CUDNN := 1 # CPU-only switch (uncomment to build without GPU support). # CPU_ONLY := 1 # uncomment to disable IO dependencies and corresponding data layers # USE_OPENCV := 0 # USE_LEVELDB := 0 # USE_LMDB := 0 # uncomment to allow MDB_NOLOCK when reading LMDB files (only if necessary) # You should not set this flag if you will be reading LMDBs with any # possibility of simultaneous read and write # ALLOW_LMDB_NOLOCK := 1 # Uncomment if you're using OpenCV 3 # OPENCV_VERSION := 3 # To customize your choice of compiler, uncomment and set the following. # N.B. the default for Linux is g++ and the default for OSX is clang++ # CUSTOM_CXX := g++ # CUDA directory contains bin/ and lib/ directories that we need.
#CUDA的安装目录 CUDA_DIR := /usr/local/cuda # On Ubuntu 14.04, if cuda tools are installed via # "sudo apt-get install nvidia-cuda-toolkit" then use this instead: # CUDA_DIR := /usr # CUDA architecture setting: going with all of them. # For CUDA < 6.0, comment the *_50 lines for compatibility. CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \ -gencode arch=compute_20,code=sm_21 \ -gencode arch=compute_30,code=sm_30 \ -gencode arch=compute_35,code=sm_35 \ -gencode arch=compute_50,code=sm_50 \ -gencode arch=compute_50,code=compute_50 # BLAS choice: # atlas for ATLAS (default) # mkl for MKL # open for OpenBlas BLAS := atlas # Custom (MKL/ATLAS/OpenBLAS) include and lib directories. # Leave commented to accept the defaults for your choice of BLAS # (which should work)! # BLAS_INCLUDE := /path/to/your/blas # BLAS_LIB := /path/to/your/blas # Homebrew puts openblas in a directory that is not on the standard search path # BLAS_INCLUDE := $(shell brew --prefix openblas)/include # BLAS_LIB := $(shell brew --prefix openblas)/lib # This is required only if you will compile the matlab interface. # MATLAB directory should contain the mex binary in /bin.
#MATLAB的安装目录
# MATLAB_DIR := /usr/local
# MATLAB_DIR := /Applications/MATLAB_R2012b.app
# NOTE: this is required only if you will compile the python interface.
# We need to be able to find Python.h and numpy/arrayobject.h.
#PYTHON的安装目录
PYTHON_INCLUDE := /usr/include/python2.7 \ /usr/lib/python2.7/dist-packages/numpy/core/include # Anaconda Python distribution is quite popular. Include path: # Verify anaconda location, sometimes it's in root. # ANACONDA_HOME := $(HOME)/anaconda # PYTHON_INCLUDE := $(ANACONDA_HOME)/include \ # $(ANACONDA_HOME)/include/python2.7 \ # $(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include \ # Uncomment to use Python 3 (default is Python 2) # PYTHON_LIBRARIES := boost_python3 python3.5m # PYTHON_INCLUDE := /usr/include/python3.5m \ # /usr/lib/python3.5/dist-packages/numpy/core/include # We need to be able to find libpythonX.X.so or .dylib. PYTHON_LIB := /usr/lib # PYTHON_LIB := $(ANACONDA_HOME)/lib # Homebrew installs numpy in a non standard path (keg only) # PYTHON_INCLUDE += $(dir $(shell python -c 'import numpy.core; print(numpy.core.__file__)'))/include # PYTHON_LIB += $(shell brew --prefix numpy)/lib # Uncomment to support layers written in Python (will link against Python libs) # WITH_PYTHON_LAYER := 1 # Whatever else you find you need goes here. INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib # If Homebrew is installed at a non standard location (for example your home directory) and you use it for general dependencies # INCLUDE_DIRS += $(shell brew --prefix)/include # LIBRARY_DIRS += $(shell brew --prefix)/lib # Uncomment to use `pkg-config` to specify OpenCV library paths. # (Usually not necessary -- OpenCV libraries are normally installed in one of the above $LIBRARY_DIRS.) # USE_PKG_CONFIG := 1 BUILD_DIR := build DISTRIBUTE_DIR := distribute # Uncomment for debugging. Does not work on OSX due to https://github.com/BVLC/caffe/issues/171 # DEBUG := 1 # The ID of the GPU that 'make runtest' will use to run unit tests. TEST_GPUID := 0 # enable pretty build (comment to see full commands) Q ?= @
4）编译Caffe
make all -j4
make test
make runtest
5）编译Matlab接口
make matcaffe
6）编译Python接口
make pycaffe
如果编译过程中出现错误，可以使用make clean命令清除之前的编译结果，重新进行编译。
至此，就可以学着运行Caffe中的Demo了。
如果你的机器没有可用的NVIDIA显卡，仍然可以使用Caffe，可以配置Caffe的CPU（无GPU）模式，在整个安装过程中，请跳过【第二部分：NVIDIA 驱动和CUDA 安装】，其他部分保持不变进行操作。
按照该教程在安装的过程中，有什么问题，欢迎在评论区留言，共同进步。
期待着NVIDIA将Caffe，Digits等一系列深度学习工具包集成到CUDA中吧，直接一键安装，相信美好的事情即将发生。
共同交流深度学习技术，群号：152768871
扫码方式：
资源链接：