Ubuntu16.04 Caffe 安装步骤
安装硬件：NVIDIA GeForce GTX1060
1、安装依赖包
2、禁用 nouveau
3、配置环境变量
4、下载 CUDA 9.2
5、安装 CUDA 9.2
6、验证 CUDA 9.2 是否安装成功
7、安装 cudnn
8、安装 opencv3.4.3
9、安装 Caffe
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
有可能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：
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。
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.d/blacklist-nouveau.conf 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.d/blacklist-nouveau.conf
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
输入如下提示使配置生效sudo update-initramfs -u
第3步 配置环境变量
sudo vi ~/.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 9.2
进入 https://developer.nvidia.com/cuda-downloads ，依次选择 CUDA 类型然后下载即可。
第5步 安装 CUDA 9.2
如果已经安装了显卡驱动在此过程中的安装显卡驱动步骤选择no.
为了方便开始安装过程的路径查找，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 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 驱动安装很为重要，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，添加可执行权限 直接通过 ./ 命令运行安装文件即可：
chmod 777 cuda_9.2.148_396.37_linux.run
sudo ./cuda_8.0.61_375.26_linux.run --no-opengl-libs
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%，或者 CTRL + C直接结束。 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，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，或者其他错误根据错误信息解决，安装完成后输入重启命令重启：
重启后登录进入系统，配置 CUDA 环境变量
sudo vi ~/.bashrc
在该文件最后加入以下两行并保存：
export PATH=/usr/local/cuda-9.2/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 是否安装成功
分别执行以下命令：
cd /usr/local/cuda-9.2/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：
第7步 安装 cudnn
登录官网：https://developer.nvidia.com/rdp/cudnn-download ，下载对应 cuda 版本且 linux 系统的 cudnn 压缩包，官网下载 cudnn 需要注册帐号并登录
选择cuDNN Library for Linux下载
下载完成后解压，得到一个 cuda 文件夹，该文件夹下include 和 lib64 两个文件夹，命令行进入 cuda/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
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
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：
第8步 安装 opencv
进入官网 : http://opencv.org/releases.html , 选择需要的版本的 sources下载
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
编译成功后安装：
sudo make install #安装
安装完成后通过查看 opencv 版本验证是否安装成功：
pkg-config --modversion opencv
第9步 安装 Caffe
首先在你要安装的路径下 clone ：
git clone https://github.com/BVLC/caffe.git
进入 caffe ，将 Makefile.config.example 文件复制一份并更名为 Makefile.config
sudo cp Makefile.config.example Makefile.config
复制一份的原因是编译 caffe 时需要的是 Makefile.config 文件，而Makefile.config.example 只是caffe 给出的配置文件例子，不能用来编译 caffe。
然后修改 Makefile.config 文件，在 caffe 目录下打开该文件：
sudo vi Makefile.config
修改 Makefile.config 文件内容：
1.应用 cudnn
将
#USE_CUDNN := 1
修改成：
USE_CUDNN := 1
2.应用 opencv 版本
将
#OPENCV_VERSION := 3
修改为：
OPENCV_VERSION := 3
3.使用 python 接口
将
#WITH_PYTHON_LAYER := 1
修改为
WITH_PYTHON_LAYER := 1
4.修改 python 路径
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
修改为：
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial
然后修改 caffe 目录下的 Makefile 文件：
将：
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替换为：
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
将：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
改为：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial
可以开始编译了，在 caffe 目录下执行 ：
make all -j8
编译成功后可运行测试：
sudo make runtest -j8
如果没报错，则表示 caffe 已经成功安装。如果报错则根据错误信息解决
10、安装 pycaffe 接口环境
在上一步成功安装 caffe 之后，就可以通过 caffe 去做训练数据集或者预测各种相关的事了，只不过需要在命令行下通过 caffe 命令进行操作，而这一步 pycaffe 的安装以及 notebook 环境配置只是为了更方便的去使用 caffe ，实际上大多数都是通过 python 来操作 caffe 的。
首先编译 pycaffe :
cd caffe
sudo make pycaffe -j8
编译 pycaffe 成功后，验证一下是否可以在 python 中导入 caffe 包，首先进入 python 环境：
python
- 1
然后导入 caffe :
进入python环境import caffe 如果不报错就说明安装成功了