由于工作的需要，要在设备上安装caffe框架进行深度学习的相关工作。折腾了大概两天的时间，中间遇到诸如驱动不匹配、缺少相应的库文件等问题，艰难的安装成功。所以记录下来，希望能够帮到有相同需求和遇到同样问题的童鞋。
第一步：首先，你要有个纯净的ubuntu16.04系统。所谓纯净，最基本的要求是你现在基本上没有安装太多的东西。如果方便，建议直接重新安装系统。但是，有一点要切记！！！！装完系统千万不要更新，保留原始状态，虽然更新后不一定会失败，但这样是最稳妥的。至于怎么装系统？请另开网页，自行百度。
第二步：下载cuda8.0+cudnn7.1。这个可以去官网下载，如果官网上不去，翻墙试一试，再不行自己想办法吧。博主还没学会怎么上传这些包。
第三步：安装cuda8.0。在此之前要先装一个显卡驱动，因为cuda8，和cuda9自带的N卡驱动都是375.26，可能最新的版本会有一些变化，但是建议你去N卡官网查一下你的显卡对应的驱动的版本，然后使用最新的版本。比如。博主的显卡是Geforce GTX 980 ti 支持的版本是384,所以安装384就可以。至于安装的问题请参考我之前的博客：https://mp.csdn.net/postedit/79135560
这里有详细的过程。需要补充的是，如果你不禁掉nouveau直接切入到文本形似，即alt+ctrl+f1，能够通过apt-get install nvidia-384安装成功，那也可以。这个安装过程不同的机器会有不同的状况。
驱动安装成功后，就可以安装cuda了，博主下载的是.run文件，建议下载.run文件，因为.deb文件是默认安装N卡驱动的，这会覆盖你之前辛苦装好的驱动。安装过程依然参考：https://mp.csdn.net/postedit/79135560。
之后是安装cudnn，博主的是.tgz压缩包，cd到压缩包所在目录下，解压，
tar -xvf cudnn-7.0-linux-x64-v4.0-prod.tgz解压后，该目录下会有一个cuda文件夹，该文件夹下有：
如果你的cuda 和我的一样是默认安装在/usr/local/目录下的，那么可以执行如下操作：
sudo cp lib64/* /usr/local/cuda/lib64
sudo cp include/* /usr/local/cuda/include这是为了让cuda 和cudann连接起来，让cuda 加速时利用cudnn的加速库。
注意大部分安装报错都是缺少了库文件，所以要安装大量的依赖库。
如下命令可以安装一些依赖库：
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
sudo apt-get install -y --no-install-recommends libboost-all-dev再之后，就是安装caffe了。
之前如果不确定cuda,cudnn 是否安装成功。可以 cd NVIDIA_CUDA-8.0_Samples，然后 make all，之后会生成一个bin目录。
cd bin/x86_64/linux/release
然后：./deviceQuery 出现如下信息说明安装成功。
最重要的是最后几行，一定要有，否则就是安装失败，建议重装。卸载过程自行百度，一个简单的命令就行。
第四步：安装caffe。强烈建议在网络环境较好的情况下安装。
git clone https://github.com/BVLC/caffe一般都是从github 上下载。完成后执行下面的操作：
cd caffe我们只是下载了caffe 要想使用它，还要进行编译，这也是会出现大量问题的地方。
在caffe 目录下，你可以找到一个叫 Makefile.config.example的文件
那个Makefile.config是下一步操作会产生的，原来是没有的。
cp Makefile.config.example Makefile.config这是会有一个Makefile.config文件，我们要对它进行修改。
sudo gedit Makefile.config
或者 sudo vi Makefile.config
取决于你用什么编辑器了。
# cuDNN acceleration switch (uncomment to build with cuDNN).
USE_CUDNN := 1
USE_OPENCV := 1
# Uncomment if you're using OpenCV 3
OPENCV_VERSION := 3 如果你的opencv版本是3开头的话，这个可以随时调整，我们最后安装opencv，这个并不影响# We need to be able to find Python.h and numpy/arrayobject.h.
PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/lib/python2.7/dist-packages/numpy/core/include 这里要先安装numpy ，sudo pip install numpy# 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
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial/ /usr/local/cuda/lib64
修改完成后保存退出，接下来要编译caffe.
sudo make clean
sudo make all -j8
sudo make test -j8
sudo make runtest -j8 -j8表示8核加速，如果你有的话，这个不影响，只是没有加速会慢一些。最可能出现的问题是 缺少库文件，xxx no such file xxxx,直接复制百度，按照别人的命令进行安装就行。
参考这篇博客：
https://blog.csdn.net/u012576214/article/details/68947893如果你尝试了所有的解决方案，依然报错并且是与 **opencv** 有关，这就说明你成功了，因为我们还没有安装opencv 所以如果只剩下这一个错误，实际上是已经编译成功了。只需要在安装opencv 就行了，然后重复caffe的编译过程，每一步都不要少，尤其是
sudo make clean安装opencv3.4.1，首先是要安装一大堆的依赖库。
sudo apt-get install build-essential cmake git pkg-config libjpeg8-dev \
libjasper-dev libpng12-dev libgtk2.0-dev \
libavcodec-dev libavformat-dev libswscale-dev libv4l-dev gfortran
sudo apt-get install libtiff5-dev
sudo apt-get install libatlas-base-devsudo apt-get install python2.7-dev之后是下载opencv3.4.1，git 也行，直接下载压缩包也行。
cd opencv3.4.1 一定要是你opencv的文件名
sudo mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..依然是在build 目录下，继续一下操作
sudo make
sudo make install你需要等待.......................................................................................................................................................................................................................................................................
不报错直接完成，报错请百度。
安装完成后，切回caffe目录，重复上述编译过程，直到不报错。
如果出现 *****.so 文件未找到，可以尝试如下操作：
sudo cp /usr/local/lib64/libcudnn.so.7(这个是你库文件所在的位置) /usr/local/lib/libcudnn.so.7 && sudo ldconfig类似的问题都可以这么试一试。这些都做完后，然后回到上面的caffe编译过程，一定不要忘记了 sudo make clean。
如果，再无问题出现，那么恭喜你，caffe环境安装成功，下一步就是在一个python的ide中使用它了。万里长征走到了最后一步。
这时你可以测试一个Mnist 数据集，注意，如果你的所有make 和博主一样都是给的root 权限，即都是sudo make *，那么测试时也一定要用sudo。
cd ~/caffesudo ./data/mnist/get_mnist.shsudo ./examples/mnist/create_mnist.shsudo ./examples/mnist/train_lenet.sh一般都会出结果。自此整个caffe环境的搭建就完成了。
第五步：安装jupyter notebook
python3 -m pip install --upgrade pip
python3 -m pip install jupyter python3及以上python -m pip install --upgrade pip
python -m pip install jupyter python2.7命令行启动：jupyter notebook
会有一个网页版的交互界面。然后到下面的网址下载一个.ipynb的文件，在界面右侧，选中然后右键，有download选项。然后在你的网页版的交互界面的home下找到这个文件，打开它，就可以愉快的输入输出了。详情参考我的博客：
https://mp.csdn.net/postedit/79135560 ，或者看一下网上的教程。
https://hub.mybinder.org/user/jupyterlab-jupyterlab-demo-thswcrqq/lab全文结束。希望对你有帮助。
补充：启动jupyter notebook 时要用root 模式
sudo jupyter notebook --allow-root
不然的话，是无法进行深度网络的学习训练的，即使你前面所有的make 都不是sudo 模式。