ubuntu上安装caffe

参考：https://blog.csdn.net/Reedlh/article/details/80659363

常用的深度学习框架有 TensorFlow、Caffe、Theano、Torch、CNTK，这里记录作为入门级的菜鸟如何配置Caffe - -计算机视觉库。

参照Caffe官网安装教程，简单翻译如下：

• Caffe安装依赖关系 
  1.使用GPU需要安装CUDA； 
  2.BLAS：三种库可以选择ATLAS、MKL、OpenBLAS； 
  3.Boost >=1.55； 
  4.protobuf , glog , gflags , hdf5

• 可选的依赖关系 
  1.OpenCV>=2.4； 
  2.IO库：lmdb , leveldb； 
  3.GPU加速，需安装cuDNN.

• Pycaffe接口 
  对于Python Caffe：Python 2.7或者Python 3.3+，numpy>=1.7，boost提供boost.python.

• Matcaffe接口 
  对于MATLAB Caffe：使用MATLAB mex编译器.

  安装步骤记录如下 
  电脑安装有Ubuntu 16.04 LST系统自带Python2.7+Python3.5，自行安装了Anaconda(Python3.6).

  1.必要的软件 
  按官方安装提示，对于Ubuntu 16.04 LST操作如下：

扫描二维码关注公众号，回复： 4242516 查看本文章

1. $ sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler

2. $ sudo apt-get install --no-install-recommends libboost-all-dev

2.安装BLAS 

三种可选的安装包，ATLAS、MKL、OpenBLAS，任选一种安装：

1. $ sudo apt-get install libatlas-base-dev

2. $ sudo apt-get install libopenblas-dev

3.依赖包 

注意，不安装如下软件包会在后面的编译过程中出错！官方指出，对于Ubuntu 16.04 LST是需要安装CUDA 8的，而对于Ubuntu 14.04 LST，是需要如下软件包的。CUDA是由cuda-toolkit+nvidia驱动+sample三部分组成，有的教程说无GPU直接跳过cuda的安装，有的说只安装cuda-toolkit，实质上应该都是指安装如下软件包：

$ sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

4.编译Caffe 

①从GitHub上克隆到本地：

1. $ cd ~

2. $ git clone https://github.com/BVLC/caffe

②修改编译配置文档

1. $ cd ~/caffe

2. $ cp Makefile.config.example Makefile.config

具体修改如下： 
1.CPU_ONLY := 1这一行去掉注释，表示只用CPU； 
2.WITH_PYTHON_LAYER := 1这一行去掉注释，表示使用python来编写layer； 
3.将BLAS := Atlas改为BLAS := open 

4.将# Whatever else you find you need goes here.下面的

1. INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include

2. LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib

修改为

1. INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial

2. LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial

5.关于USE_CUDNN := 1、OPENCV_VERSION := 3以及anaconda暂不做修改.

③修改编译文件 

1. LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5

2. 改为：

3. LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial

④编译测试

1. make all -j4

2. make test -j4

3. make runtest -j4