Ubuntu16.04安装深度学习框架caffe详细步骤讲解

此次安装是带有GPU的安装，如果没有GPU只安装CPU，可参考我的另一篇文章，搞深度学习还得有显卡吃硬件，要不等着吐血吧。

1、安装环境：ubuntu16.04+caffe-master+cuda8.0+cudnnv5.1 ,安装环境所需的安装包我已打包上传，下载地址.http://www.roselady.vip/a/cangjingge/boke/ai/2018/0322/709.html

2、安装caffe依赖包

1 sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler 2   3 sudo apt-get install --no-install-recommends libboost-all-dev 4   5 sudo apt-get install libatlas-base-dev 6   7 sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

3、ubuntu16.04最好是安装cuda8.0不要安最新，听官网的没错。下载cuda8.0,https://developer.nvidia.com/cuda-downloads

4、卸载以前的旧驱动准备换最新的

1 sudo apt-get --purge remove nvidia-\*

5、禁止集成的nouveau驱动，必须禁止的否则没可能安装成功的。

1 sudo vi /etc/modprobe.d/blacklist-nouveau.conf

1	<span style="font-size:16px;">blacklist-nouveau.conf文件可能并不存在不过没关系，向里面写入下面一句话，一个字都不能错

2

</span>

1 blacklist nouveau option nouveau modeset=0

保存退出后运行此命令，不能报错，报错了肯定就没禁止成功

1 sudo update-initramfs -u

配置环境变量，直接用就行，反正是临时的

1 export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH 2   3 export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH

6、安装显卡驱动，否则可能会报内核之类的错误

只需一条命令

1 sudo apt-get install nvidia-

有人问上面那条命令没写完啊，其实就是写这么多，然后猛击tab键两次（也可以轻点），下面就会出来许多版本的驱动，当然是安装一个版本最高的，例如

1 sudo apt-get install nvidia-352

 

7、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

1 sudo service lightdm stop

8、开始安装cuda，直接运行命令，出现0%后一直安回车直到100%，全选 yes即可

1 ./cuda_8.0.61_375.26_linux.run --no-opengl-libs

9、其实这样还不算，toolkit工具还没有安装成功，可能用nvcc –V测试

1 sudo apt install nvidia-cuda-toolkit

10、验证 CUDA 8.0 是否安装成功，输入下面命令

1 cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery 2   3 sudo make 4   5 ./deviceQuery

如果显示下面信息说明安装成功了。如果不行reboot重启一下

01 ./deviceQuery Starting... 02   03  CUDA Device Query (Runtime API) version (CUDART static linking) 04   05 Detected 1 CUDA Capable device(s) 06   07 Device 0: "GeForce GTX 650" 08   CUDA Driver Version / Runtime Version          9.1 / 8.0 09   CUDA Capability Major/Minor version number:    3.0 10   Total amount of global memory:                 978 MBytes (1025638400 bytes) 11   ( 2) Multiprocessors, (192) CUDA Cores/MP:     384 CUDA Cores 12   GPU Max Clock rate:                            1058 MHz (1.06 GHz) 13   Memory Clock rate:                             2500 Mhz 14   Memory Bus Width:                              128-bit 15   L2 Cache Size:                                 262144 bytes 16   Maximum Texture Dimension Size (x,y,z)         1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096) 17   Maximum Layered 1D Texture Size, (num) layers  1D=(16384), 2048 layers 18   Maximum Layered 2D Texture Size, (num) layers  2D=(16384, 16384), 2048 layers 19   Total amount of constant memory:               65536 bytes 20   Total amount of shared memory per block:       49152 bytes 21   Total number of registers available per block: 65536 22   Warp size:                                     32 23   Maximum number of threads per multiprocessor:  2048 24   Maximum number of threads per block:           1024 25   Max dimension size of a thread block (x,y,z): (1024, 1024, 64) 26   Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535) 27   Maximum memory pitch:                          2147483647 bytes 28   Texture alignment:                             512 bytes 29   Concurrent copy and kernel execution:          Yes with 1 copy engine(s) 30   Run time limit on kernels:                     Yes 31   Integrated GPU sharing Host Memory:            No 32   Support host page-locked memory mapping:       Yes 33   Alignment requirement for Surfaces:            Yes 34   Device has ECC support:                        Disabled 35   Device supports Unified Addressing (UVA):      Yes 36   Device PCI Domain ID / Bus ID / location ID:   0 / 1 / 0

11、安装CUDNN加速
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，注意官网下载 cudnn 需要注册帐号并登录，我是从国内下载的v5.1版本，下载地址，使用下面命令进行解压 

1 cp cudnn-8.0-linux-x64-v5.1.solitairetheme8 cudnn-8.0-linux-x64-v5.1.tgz 2   3 tar xvf cudnn-8.0-linux-x64-v5.1.tgz

12、cuda和cudnn进行合并，按下面命令操作进入解压后的cuda目录

查看源码打印代码帮助 1 sudo cp include/cudnn.h /usr/local/cuda/include/ #复制头文件 2   3 sudo cp lib64/lib* /usr/local/cuda/lib64/ #复制动态链接库 4 cd /usr/local/cuda/lib64/  sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件 5 sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5 #生成软衔接 6 sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接

13、到这基本也就完事了，下载caffe,解压，建立编译文件夹build-x64,进入后执行下面命令即可,大功告成

1 cmake .. 2   3 make -j4