服务器上安装caffe的过程记录

1. 前言

因为新的实验室东西都是新的，所以在服务器上要自己重新配置CAFFE

这里假设所有依赖包学长们都安装好了，我是没有sudo权限的

服务器的配置：

CUDA 8.0

Ubuntu 16.04 LTS

Tesla K80

---

2. 安装Caffe

先从GITHUB上CLONE下CAFFE的安装包

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

复制编译配置文件：

cp Makefile.configure.example Makefile.configure

然后按照 http://caffe.berkeleyvision.org/installation.html#compilation 的指示：

• For CPU & GPU accelerated Caffe, no changes are needed.
• For cuDNN acceleration using NVIDIA’s proprietary cuDNN software, uncomment the USE_CUDNN := 1 switch in Makefile.config. cuDNN is sometimes but not always faster than Caffe’s GPU acceleration.
• For CPU-only Caffe, uncomment CPU_ONLY := 1 in Makefile.config.

To compile the Python and MATLAB wrappers do make pycaffe and make matcaffe respectively. Be sure to set your MATLAB and Python paths in Makefile.config first!

注释掉Makefile中相应行以适应自己的环境：

vi Makefile.configure

然后编译：

make all
make test
make runtest

如果想提高编译速度，可以使用：

make all -j16
make test -j16
make runtest -j16

原因参考：

Speed: for a faster build, compile in parallel by doing make all -j8 where 8 is the number of parallel threads for compilation (a good choice for the number of threads is the number of cores in your machine).

3. 编译过程中的问题与解决方法

在编译过程中如果遇到hdf5问题，参考如下：[1]

在make all这一步遇到了一些问题，首先是找不到hdf5.h，在Makefile.config中INCLUDE_DIRS后添加/usr/include/hdf5/serial即可继续编译。

src/caffe/layers/hdf5_data_layer.cpp:13:18: fatal error: hdf5.h: No such file or directory

但是此后又出现如下问题，

/usr/bin/ld: cannot find -lhdf5_hl
/usr/bin/ld: cannot find -lhdf5

可以在LIBRARY_DIRS后添加/usr/lib/x86_64-linux-gnu/hdf5/serial/，最终Makefile.config文件对应部分修改如下，

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/hdf5/serial/

以上的操作保证Caffe编译过程中可以找到hdf5的头文件和共享库文件。

---

hdf5问题解决后，运行make test -j16

然后遇到很多人都会遇到的问题：

ffe.so.1.0.*** Aborted at  (unix time) try "date -d @1502862874" if you are using GNU date ***
PC: @     0x7f9fd538c428 gsignal
*** SIGABRT (@0x42700005a63) received by PID  (TID 0x7f9fdf310780) from PID ; stack trace: ***
    @     0x7f9fd57313e0 (unknown)
    @     0x7f9fd538c428 gsignal
    @     0x7f9fd538e02a abort
    @     0x7f9fd53ce7ea (unknown)
    @     0x7f9fd53d6e0a (unknown)
    @     0x7f9fd53da98c cfree
    @           0x6fa00b caffe::LayerFactoryTest_TestCreateLayer_Test<>::TestBody()
    @           0x9785b3 testing::internal::HandleExceptionsInMethodIfSupported<>()
    @           0x971bca testing::Test::Run()
    @           0x971d18 testing::TestInfo::Run()
    @           0x971df5 testing::TestCase::Run()
    @           0x9730cf testing::internal::UnitTestImpl::RunAllTests()
    @           0x9733f3 testing::UnitTest::Run()
    @           0x4c5b4d main
    @     0x7f9fd5377830 __libc_start_main
    @           0x4cd8d9 _start
    @                0x0 (unknown)
Makefile:: recipe for target 'runtest' failed

找了很久也没找到适合的解决方法，但是学长说RUN TEST不通过也可以正常运行程序，好吧那就先这样，接下来

4. PYTHON接口

编译了PYTHON：

make pycaffe -j16

然后到此结束，下面是训练一下MNIST网络看看CAFFE能不能用：（注意目前是在CAFFE主文件夹下）

sh data/mnist/get_mnist.sh

sh examples/mnist/create_mnist.sh

sh examples/mnist/train_lenet.sh

等3分钟就会结束

准确率为99.08%

5. Matlab接口

如果要编译Matlab的Caffe接口，需要首先在Makefile.config中修改MATLAB的路径使得路径下有/bin

具体来说，如下图中可以看到当前目录下有/bin文件夹，

所以，在Makefile.configure中，Matlab的路径应该填写为

/opt/MATLAB/R2014b

然后运行

make matcaffe

以编译。

编译成功后如图：

再运行

make mattest

来检查编译是否成功

检查成功后如图：

如果找不到你自己的Matlab安装路径，可以使用：

find / -name matlab

然后就可以找到所有有Matlab名字的文件其所在位置

---

参考文献：

[1] http://blog.csdn.net/lkj345/article/details/51280369

[2] http://blog.csdn.net/solomon1558/article/details/52015754

[3] http://www.it610.com/article/4919314.htm