刚装完Ubuntu 14.04以后系统有可能卡顿非常明显，此时是因为显卡驱动没有安装。
2. GTX1080显卡驱动367.35安装
Sudo apt-get update##更新源
sudo add-apt-repository ppa:graphics-drivers/ppa
按回车继续
sudo apt-get update
sudo apt-get install nvidia-367
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev
以上装完后重启电脑，此时驱动安装完毕，系统没有卡顿现象
3. 安装gcc与g++
Sudo apt-get install g++，没有g++的话，CUDA工具箱安装将不成功。
Ubuntu14.04默认自带gcc-4.8，因此不用安装。
4. 安装Cuda8.0工具包
（1）在Nvidia官网注册账号，下载Cuda8.0 ubuntu14.04，并按照官网指示进行安装
注意除了一个驱动程序361.32不安装外，其余均选择y。
（2）在安装完毕之后需要将cuda库文件路径添加到PATH与LD_LIBRARY_PATH里。在~/.bashrc文件里修改。在文件末端加入
exportPATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64/:$LD_LIBRARY_PATH
然后source命令使路径生效
Source ~/.bashrc
sudo ldconfig
有时候上述方法会失败，总是出现找不到动态链接库。。。目前还不知道原因。
一个更靠谱的方法是将库文件路径添加到/etc/ld.so.conf文件里。即在文件末尾添加：/usr/local/cuda-8.0/lib64
最后命令行：sudo ldconfig使文件生效。
（3）验证cuda安装成功
进入NVIDIA_CUDA-8.0_Samples文件夹，进行make编译。之后进入1_Utilities/deviceQuery/文件夹，运行./deviceQuery命令，若出现Nvidia显卡的型号等信息，则说明安装成功
注意：Ubuntu16.04在安装时会遇到gcc版本不符合的问题，此时将系统中自带的gcc版本换为gcc4.9即可。
sudo apt-get install gcc-4.9
sudo apt-get install g++-4.9
先把目录切换到/usr/bin下。修改原先gcc与g++的软连接，使得新安装的gcc与g++生效。
sudo mv gcc gcc.bak
sudo ln -s gcc-4.9 gcc
sudo mv g++ g++.bak
sudo ln -s g++-4.9 g++
5. CudnnV5安装
下载cudnnv5，然后解压。然后将cudnn复制到cuda相应的头文件和库文件中即可
sudo cp lib64/lib* /usr/local/cuda-8.0/lib64/
sudo cp include/cudnn.h /usr/local/cuda-8.0/include/
cd /usr/local/cuda/lib64/
sudo chmod 777 libcudnn*即可
这里注意，复制完后需要将libcudnn*的权限都改为777，否则后面将不能执行~~~，编译时出现找不到Libcudnn.so或者libcudart.so.8.0文件的情况。
6. 安装caffe依赖库
（1）基本程序编译所需库build-essential，github库Git
Sudo apt-get install –y build-essentialgit
（2）矩阵运算库
sudo apt-get install -y libopenblas-devlibblas-dev liblapack-dev
这里blas库负责基本的向量矩阵运算，lapack库调用blas库进行一些高级矩阵运算，比如矩阵的求逆，SVD分解，但这两者都只是定义了一组API，并没有底层具体的实现。底层的实现则靠openblas库。与openblas库对应的还有一些，如mkl，atlas等。
（3）OpenCV库
Sudo apt-get install libopencv-dev
（4）protobuf库
sudo apt-get install –y libprotobuf-devprotobuf-compiler
谷歌开发的用于结构化数据的读取和存入的一套API。类似与XML。改革是简单快速，但是没有xml所能表示的东西复杂。该库可以将符合proto格式的文件编译成C++接口，Python接口，Java接口的两个文件。当编译为C++接口时，一个为**.pb.c，一个为**.pb.h。在Caffe里主要用来存放网络结构文件.prototxt，以及对应于一个问题的solver.prototxt（包括网络的指定与各种训练参数）
（5）Boost库
sudo apt-get install –y libboost-all-dev
一套C++标准库的扩展库，里面主要包含了一些字符串处理，文本处理，图算法，容器等算法相关的库，是目前最大的C++扩展库
（6）GLOG库
sudo apt-get install –y libgoogle-glog-dev
GoogleLogger，谷歌开发的一套用于日志记录的C++库
（7）LMDB与LEVELDB库
sudo apt-get install –y libleveldb-devliblmdb-dev
数据库管理库，包含了数据的读写和存储方式，高效安全。HDF5是一种文件格式，而LMDB是一种数据库管理的库
（8）snappy库
sudo apt-get install –y libsnappy-dev
一个用来压缩和解压缩的C++库，在Caffe里训练原始数据先通过格式转换工具转为HDF5格式，然后Snappy将该格式进行压缩以便放入内存中，然后采用LMDB方法对数据进行读取和更新
（9）HDF5库
sudo apt-get install –y libhdf5-serial-dev
美国国家超算中心开发的一种文件格式，便于用来存储大量的科学数据。在Caffe里可以用来存放训练和测试数据集。（和LMDB与LEVELDB的区别是啥？）
（10）gflags库
sudo apt-get install –y libgflags-dev
谷歌开源的处理命令行参数的库
上述依赖库安装完成后，便可以克隆caffe的源码，然后修改make.config文件
至此可以对caffe make all，make test，make runtest了，也可以在命令行窗口运行mnist数据集进行测试了
7. 安装caffe的Python接口及python相关库
安装完该接口后，就能够在python中，通过import caffe方式来使用caffe，如此可以用到python的一些强大的库用来显示和计算，如matplotlib，sklearn等，这是命令行式caffe所难以达到的效果。
Cd caffe/python
（1）安装python包安装工具pip
sudo apt-get install python-devpython-pip
（2）sudo apt-get install python-opencv
pip install pyzmq,tornado,jinja2,jsonschema,jupyter
（3）安装python包依赖，在requirements.txt文件里
apt-get install gfortran， libatlas-dev，libblas-dev
***此步应先执行，否则下一步requirement里的scipy会安装失败***
安装requirement里的python依赖包
for req in $(cat requirements.txt);do sudo pip install $req; done
（4）python包都安装无误后，编译pycaffe
Cd ..
Make pycaffe –j8
此时即可在python里import caffe
8. 安装eclipse与jdk
第一步安装高版本的jdk。ubuntu14.04自带的jdk版本较低，需要换为jdk1.80.1，此步参考网上教程，替换完成后，Java –version可显示出Java的版本
第二步为安装eclipse，直接官网下载eclipse for c/c++的.tgz格式安装包，解压即可。
第三步为将caffe源码引入eclipse为一个新的makefile工程，然后便可对该工程进行debug。此步搜索caffe eclipse参考网上教程即可。
关于Ubuntu 12.04 下 CUDA5.5 的安装请参看如下链接 Ubuntu 12.04 安装 CUDA-5.5