一、安装nvidia专用驱动
下载地址：http://www.geforce.cn/drivers
1.安装之前先卸载已经存在的驱动版本：
sudo apt-get remove --purge nvidia*
2.这里是将Ubuntu自带的显卡驱动加入黑名单。 在终端下输入：
sudo gedit /etc/modprobe.d/blacklist.conf
输入密码后在最后一行加上:
blacklist nouveau
在终端输入： sudo update-initramfs -u
重启电脑
3.这里要尤其注意，安装显卡驱动要先切换到文字界面，(按Ctrl+Alt+F1~F6).所以，启动电脑后，先进入文字界面。 然后，输入命令sudo service lightdm stop
现在可以安装驱动了，先进入家目录 cd ~ ，然后： sudo ./NVIDIA-Linux-x86_64-375.20.run，按照提示一步步来完成后，再次重启电脑。
安装完成之后输入以下指令进行验证： sudo nvidia-smi ，若列出了GPU的信息列表则表示驱动安装成功。如下图：
二、安装相关依赖项
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 python-dev 三、安装CUDA
官方下载地址：https://developer.nvidia.com/cuda-toolkit
sudo dpkg -i cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda 四、安装cudnn
官方下载地址：https://developer.nvidia.com/cudnn
下载cuDNN5.1之后进行解压：
sudo tar -zxvf ./cudnn-8.0-linux-x64-v5.1.tgz (换成你安装的版本)
进入cuDNN5.1解压之后的include目录，在命令行进行如下操作：
cd cuda/include
sudo cp cudnn.h /usr/local/cuda/include #复制头文件
再进入lib64目录下的动态文件进行复制和链接：
cd ..
cd lib64
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.5.0.5 libcudnn.so.5 #生成软衔接 sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接 五、安装BLAS
这里可以选择（ATLAS，MKL或者OpenBLAS），我这里使用MKL，因为它最快。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：https://software.intel.com/en-us/qualify-for-free-software/student， 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(注意任何一级文件夹不能包含空格，否则安装会失败)
tar zxvf parallel_studio_xe_2016.tar.gz #如果你是直接拷贝压缩文件过来的
chmod a+x parallel_studio_xe_2016 -R
sh install_GUI.sh
PS: 安装的时候，建议使用root权限安装，过程中会要求输入Linux的root口令。（设置方法：命令行 sudo passwd）
六、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
/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
/usr/local/cuda/lib64
/lib
3.完成lib文件的链接操作，执行： sudo ldconfig -v
七、安装opencv3.1
安装依赖项
sudo apt-get install build-essential
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev 从官网(http://opencv.org/downloads.html)下载Opencv,并将其解压到你要安装的位置，假设解压到了 /home/opencv 。
unzip opencv-3.1.0.zip
sudo cp ./opencv-3.1.0 /home
sudo mv opencv-3.1.0 opencv
安装前准备，创建编译文件夹：
cd ~/opencv
mkdir build
cd build
配置：
sudo apt install cmake
sudo cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
编译： sudo make -j8
-j8表示并行计算，根据自己电脑的配置进行设置，配置比较低的电脑可以将数字改小或不使用，直接输make。
可能出现问题：
这是因为opecv3.0与cuda8.0不兼容导致的。解决办法：修改 ～/opencv/modules/cudalegacy/src/graphcuts.cpp文件内容，如图：
这是因为opecv3.0与cuda8.0不兼容导致的。解决办法：修改 ～/opencv/modules/cudalegacy/src/graphcuts.cpp文件内容，如图：
其中，#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER)||(CUDART_VERSION>=8000)是我们修改的。
以上只是将opencv编译成功，还没将opencv安装，需要运行下面指令进行安装：
sudo make install
运行如下命令，查看opencv是否安装成功
pkg-config --modversion opencv 查看opencv版本，显示3.1.0则安装成功
八、安装Caffe并测试
1.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 := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial c. 启用Intel Parallel Studio XE 2016
BLAS := mkl
d. 配置路径，实现caffe对Python接口的支持
PYTHON_LIB := /usr/local/lib
e. 启用OpenCV 3.0, 去掉”#”
OPENCV_VERSION =3
编译caffe-master！！！”-j16”是使用CPU的多核进行编译，可以极大地加速编译的速度，建议使用。也可以”-j8”, 或者直接make all
make all -j16
make test -j16
make runtest -j16
提示：make runtest的时候报了一个错
error while loading shared libraries: libopencv_core.so.3.0: cannot open shared object file: No such file or directory.
解决方案：Check if those libraries are present in your environment variable LD_LIBRARY_PATH. If not, add the directory containing those libraries to this variable. If the libraries are present in /usr/local/lib, add the following to your .bashrc
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib
九、使用MNIST数据集进行测试
Caffe默认情况会安装在 Caffe-master，就是解压到那个目录，例如：home/username/caffe-master，所以下面的工作，默认已经切换到了该工作目录。下面的工作主要是，用于测试Caffe是否工作正常，不做详细评估。具体设置请参考官网：http://caffe.berkeleyvision.org/gathered/examples/mnist.html
1.数据预处理
sh 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。
sh 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
sh examples/mnist/train_lenet.sh
十、编译pycaffe接口
make pycaffe -j16
十一、安装Matlab2014a，并编译matcaffe
Matlab安装和调试（以Matlab 2014a为例）
1.将Mathworks.Matlab.R2014a.Unix.iso解压后得到R2014a_UNIX文件夹，将文件夹中的文件都拷到~/Matlab文件夹中。
2.复制crack/install.jar至 home/Matlab/Java/jar/ 并覆盖源文件（假设crack文件夹在用户家目录下），然后安装。
sudo cp ~/crack/install.jar ~/Matlab/java/jar/
cd ~
chmod a+x Matlab -R cd Matlab sudo ./install 3.安装过程
选项：不使用Internet安装
序列号： 12345-67890-12345-67890
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） 选择不使用Internet 手动激活，激活文件：license_405329_R2014a.lic
４．拷贝 libmwservices.so 至 /usr/local/MATLAB/R2014a/bin/glnxa64
sudo cp ~/crack/Linux/libmwservices.so /usr/local/MATLAB/R2014a/bin/glnxa64/
5.解决编译器gcc/g++版本问题。
因为Ubuntu 16.04的gcc/g++版本是5.4.0，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。报错信息如下图：
修改makefile里面的CXXFLAGS，添加CXXFLAGS += -std=c++11.然后重新编译就可以了
编译成功的效果如下图：
至此，Caffe安装的所有步骤完结。哈哈! o^^o
主要参考了以下博客，非常感谢这些博主的分享。