Ubuntu14.04 caffe 配置

1、前置条件验证

(1) Ubuntu14.04操作系统。

(2) 检验计算机是否为NVIDIA显卡，终端输入命令

$ lspci | grep -invidia 

(3) 检验计算机是否为x86_64架构（x86架构64位系统），终端输入命令

$ uname -m && cat /etc/*release 

(4) 安装gcc，并检查gcc版本是否大于4.6，Ubuntu14.04默认版本为4.8，终端执行下述命令安装即可

$ sudo apt-get install g++

终端输入命令检查版本信息

$ gcc–version

(5) 安装gfortran（编译OpenBLAS使用），终端执行

$ sudo apt-get install gfortran

(6) 常用链接

NVIDIA相关网站https://developer.nvidia.com/cuda-tools-ecosystem

获取计算机GPU（显卡）信息，与下面链接提供的GPU型号进行比对，若型号存在与列表则说明计算机显卡支持CUDA架构

GPU验证链接https://developer.nvidia.com/cuda-gpus

严格考虑计算机的GPU对CUDA Toolkit不同版本（特指高版本）的支持性问题

（比如，若GPU为TITAN X GPU，建议考虑下载CUDA 7.0）

CUDAToolkit7.0下载链接https://developer.nvidia.com/cuda-toolkit-70#linux

2、CUDA配置

(1) MD5校验

下载完成后，对文件进行MD5校验以run文件为例（这很重要），与下列链接对应版本MD5值比对，终端输入命令

$ md5sum filename

若值不一致则需重新下载。

校验链接http://developer.download.nvidia.com/compute/cuda/7_0/Prod/md5sum-7.0.txt

以下cuda安装选用一个即可，其中deb文件安装较简单但对网络稳定要求较高，run文件安装比较稳定。

一些依赖库

$ sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev

其中build-essential包包含make，gcc，gfortran。

(2)CUDA库安装

第一种方式，用deb文件安装

$ sudo dpkg -i cuda-repo-ubuntu1410---local_7.-28_amd64.deb
$ sudo apt-get update
$ sudo apt-get install -y cuda

完成添加环境变量即可，参见下run安装⑥

第二种方式，用run文件安装

①卸载原先安装的所有NVIDIA显卡驱动，命令

$ sudo apt-get --purge remove nvidia*

② Ubuntu默认安装了开源显卡驱动nouveau其在nvidia驱动安装过程中会有冲突，所以要禁用它创建文件

$ sudo vim /etc/modprobe.d/blacklist-nouveau.conf

写入

blacklist nouveau

options nouveau modeset=

可以用cat命令检查，写入无误后执行

$ sudo update-initramfs–u

修改grub相关项

$ sudo vi/etc/default/grub

末尾写入：

rdblacklist=nouveau nouveau.modeset=

保存并退出\检查：

$ cat /etc/default/grub

③测试nouveau是否被禁用

a.重启之后明显感觉画质变差

b.执行

$ lsmod | grep nouveau

如果显示为空，那么就是卸载成功了。

④关闭计算机，重启，这里若出现无法进入桌面的问题（一般是因为安装了opengl与cuda冲突引起），重启，在当进入grub选择菜单时，按下e键，弹出新窗口后，在所在文字后几行找到quiet splash改为text splash，按下F10，即可直接进入命令行模式，登录后再执行上述命令验证。

以下操作建议用root权限

⑤找到所下载的CUDA包，赋予可执行权限

$ chmod +x *.run

安装命令

$ ./ md5sum cuda_7..28_linux_64.run

出现服务条款按Enter间继续，阅读完后接受条款，下载的CUDA包实际包含CUDA安装包、SAMPLE包、NVIDIA驱动，选择对应项安装（建议默认安装），记录下安装目标路径

当执行cuda.run文件提示有关kernel错误时尝试执行命令

$ sudo apt-get install linux-headers-$(uname -r)

⑥安装完成后在/etc/profile中添加环境变量, 文件最后添加:

export PATH=/usr/local/cuda-7.0/bin:$PATH

export LD_LIBRARY_PATH=/usr/local/cuda-7.0/lib64:$LD_LIBRARY_PATH

保存，执行

# source /etc/profile

使环境变量立即生效

在目录/etc/ld.so.conf.d/中加入文件 cuda.conf, 内容如下

/usr/local/cuda/lib64

编辑文件/etc/ld.so.conf

# vim /etc/ld.so.conf

添加

/usr/local/lib

执行命令使之立即生效

# sudo ldconfig

执行

# cat /proc/driver/nvidia/version

检验驱动程序已正确安装

⑦编译CUDA Sample

进入文件夹执行

# cd /usr/local/cuda-7.0/samples

# make

编译完成后，进入 samples/bin/x86_64/linux/release,运行deviceQuery，若输出显卡相关信息就说明安装成功。

# ./deviceQuery

# ./bandwidthTest

3、OpenBLAS安装

以下本人滥用一下符号，用//表示注释（shell注释为#），以避免和linux管理员提示符#歧义。

终端执行

$ sudo make   &&  sudo make install
//make CC=gcc-4.8.2 FC=gfortran（自动探测）
//make PREFIX=/your/path install（安装路径，做好记录，建议默认/opt/openblas）                

编辑文件/etc/ld.so.conf添加

/opt/OpenBLAS/lib

执行命令使之立即生效

$ sudo ldconfig

4、OpenCV安装

可以使用OpenCV安装脚本，下载链接https://github.com/jayrambhia/Install-OpenCV找到对应版本赋予可执行权限，执行即可，安装需要半小时左右,可能出现卡机现象，等待即可。（2.4.9版本编译15%左右会有错误，原因正在查找，使用2.4.10）

5、boost库 配置

下载地址http://sourceforge.net/projects/boost

解压安装，执行命令

$ tar -zxvf boost_1_59_0.tar.gz
$ cd boost_1_59_0/

$ ./bootstrap.sh  //这个命令大概用于配好环境

运行二步命令后得到一个文件，名字是bjam，运行这个文件：

$ ./bjam    //这里需要二十分钟左右

6、Python 库依赖

相关Python库，类似与使用以上库的一些相关驱动

$ sudo apt-get install -y libprotobuf-dev   libleveldb-dev   libsnappy-dev libopencv-dev   libboost-all-dev   libhdf5-serial-dev

$ sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler

建议提前安装python库scipy，numpy和python-dev以及pip setuptools

进入caffe-master/python查看requirements.txt，所需库均已在此文件中其中，安装matplotlib之前有相关依赖freetype、libpng（前置依赖zlib）、scipy、numpy。执行

$ sudo pip install –r caffe-master/python/ requirements.txt

一些依赖包不能正常安装（要求连上Google），网上一些教程执行一下命令安装（建议分开执行，以便发现哪个安装出错，未成功安装的单独用源码编译安装）

源码安装采用方案如下，当独下载对应依赖包，按下述方式执行（举例，一般仅要单独安装glog即可，其他未出现错误（若出错可以试试更换网络连接，非校园网情况下未出错））。

glog, gflags, protobuf,leveldb, snappy, hdf5, lmdb参看下载包中README.md文件或INSTALL.txt 文件

以下安装过程严格注意版本要求（参见requirements.txt文件）

(1) glog（google Logging Library）

下载地址：https://code.google.com/p/google-glog/

$ tar xvzf glog-.tar.gz

$ ./configure

$ make

$ sudo make install

(2) protobuf

下载地址https://code.google.com/p/protobuf/downloads/list

配置参考地址http://blog.csdn.net/zaitianaoxiang/article/details/7639125

$ tar -xvzf protobuf-.tar.gz 

$ cd protobuf- 

$ ./configure --prefix=/opt/protobuf    //可自己选择目录

$ sudo make

$ sudo make check 

$sudo make install

配置环境变量（修改/etc/profile）

$ sudo vim /etc/profile

加入以下部分

PROTOBUF_HOME=/opt/protobuf

PROTOBUF_PKG_CONFIG_PATH=${PROTOBUF_HOME}/lib/pkgconfig

export data-path="${PATH}:${PROTOBUF_HOME}/bin:"

exportPKG_CONFIG_data-path="${PKG_CONFIG_PATH}:${PROTOBUF_PKG_CONFIG_PATH}"

在~/.profile中添加上面两行export代码，否则上面两行export不会生效。

执行命令使环境变量立即生效

$ sudo source /etc/profile

动态链接库路径

$ sudo vim /etc/ld.so.conf

添加这行

/opt/protobuf/lib

为了让动态链接库修改生效

$ sudo ldconfig

ldconfig命令的作用见

http://www.xxlinux.com/linux/article/accidence/technique/20081230/14754.html

(3) leveldb

下载链接http://download.csdn.net/download/cl_gamer/4847996

参考链接http://blog.sina.com.cn/s/blog_560e310001015jfx.html

参考链接http://peter-hoffmann.com/2011/installation-leveldb-ubuntu-python.html

照教程做会编译报错/usr/bin/ld: cannot find –lleveldb，需要把对应的so文件拷贝过去libleveldb.so到/usr/local/lib 下

(4) gflags

下载链接   https://github.com/schuhschuh/gflags/releases

解压，打开INSTALL.txt 按照教程做

7、cuDNN配置

官方安装导引及下载链接

https://developer.nvidia.com/rdp/cudnn-download?sid=973300

一般流程为如下

下载cudnn解压，执行拷贝

$ sudo cp cudnn.h /usr/local/include

$ sudo cp libcudnn.so /usr/local/lib

$ sudo cp libcudnn.so.7.0 /usr/local/lib

$ sudo cp libcudnn.so. /usr/local/lib

链接cuDNN的库文件

$ sudo ln -sf /usr/local/lib/libcudnn.so.  /usr/local/lib/libcudnn.so. 7.0

$ sudo ln -sf /usr/local/lib/libcudnn.so. 7.0 /usr/local/lib/libcudnn.so

$ sudo ldconfig -v

8、Caffe配置

(1) 准备

下载caffe-master 源码包，解压，进入目录caffe-master（注意，以下所有过程都在此目录下执行，往后使用caffe的过程中也得在此目录执行相关操作），执行

  $ cp Makefile.config.example Makefile.config    

以生成Makefile.config配置文件

修改Makefile.config一定要记得改各依赖库的路径LIBRARY_PATH

配置Makefile.config文件（仅列出修改部分）

启用CUDNN，反注释，去掉"#"

USE_CUDNN := 

②启用GPU，去掉注释"#"

# CPU_ONLY := 

③启用OpenBLAS

BLAS :=open

(2) 编译caffe

"-j8"是使用CPU的多核进行编译，可以极大地加速编译的速度，建议使用，不能弄过多线程，会出错，4和8合适。  

$ make all -j8

$ make test -j8

$ make runtest -j8

建议：在make前，可以用之前的./bandwidthTest等命令测试驱动是否正常

(3) Pycaffe配置

$ make pycaffe

添加环境变量，编辑修改/etc/profile

export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH

同样，执行 source /etc/profile使环境变量立即生效

在python中import caffe 检查是否正确，此时caffe可作为python的一个库使用。

(4) Python IDE

建议用ipython notebook

$ sudo pip install jupyter

$ sudo apt-get install -y ipython-notebook pandoc

终端执行jupyter notebook启动，可指定启动后的HOME目录，如

$ jupyter notebook caffe-master