版权声明：文章原创，转载请注明出处，多谢！

声明

本文是关于ubuntu14.04+CUDA7.5+cuDNN+caffe的超详细完整配置过程的说明。

小菜是刚接触深度学习领域的小白，在配置caffe的过程中遇到很多困难，一度纠结崩溃甚至想放弃，但是最终配置成功，看着Demo运行，还是非常有成就感和愉悦感的。也更加坚定了遇到问题时要坚持不懈，最终会解决的信念。在此写下博客，记录下安装、学习过程。如果小伙伴们能再此找到解决问题之道，那更是对本人文章莫大的肯定。欢迎大家批评指正^.^

首先说一下电脑配置和用到的软硬件的版本。

电脑型号:B5400

CPU：c4200M

显卡：集成显卡Inite+独立显卡Nvidia820M

操作系统：Ubuntu14.04（内核版本3.13！）

各个软件版本：

gcc：4.8.2，

CUDA7.5，caffe，cuDNN，OpenCV，Python2.7，

正文之前

正文之前先说一下个人感触：本人在装软件之前，只知道有caffe这么个深度学习的框架，对Linx系统，配置文件，命令行啥的一窍不通（没办法，本科欠下太多的东西，都要还的......）。开始照搬网上的方法，一通乱搞，最后可想而知以失败告终，于是慢慢熟悉每一个细节，耐心搞懂每一个语法，每个软件的作用，参考了官方的文档和官方说明。在这一过程中，有两点的感触最深：1.一定要注意版本问题（血泪教训）；2.一定要多研究官方文档，说明！

正文

##一.安装ubuntu系统

##二.安装CUDA-7.5

#检查自己的电脑是否具有安装CUDA的条件

a)检查GPU是否是CUDA-capable
   $ lspci | grep -i nvidia
   官网查看是否在列表中，并注意camput ability
b)检查自己的Linux版本书否支持CUDA(Ubuntu 14.04没问题)
c)检查自己的系统中是否装了gcc
   $ gcc --version
d)检查是否安装了kernel header和 package development
   $ uname -r 可以查看自己的kernel版本信息
   $ sudo apt-get install linux-headers-$(uname -r)可以安装对应kernel版本的kernel header和package development

#选择安装CUDA的方式

CUDA提供两种安装方式：package manager安装和runfile安装。我本来选的是 package manager 安装，这种方法相对简单，但尝试了几次都失败。后来是转换到runfile安装才成功的。因此此处只介绍runfile安装方式。
a) 禁用 nouveau
终端中运行：$ lsmod | grep nouveau，如果有输出则代表nouveau正在加载。
Ubuntu的nouveau禁用方法：在/etc/modprobe.d中创建文件blacklist-nouveau.conf，在文件中输入一下内容

blacklist nouveau #第一个配置文件
       options nouveau modeset=0
   打开终端，运行
       $ sudo update-initramfs -u
   设置完毕可以再次运行 $ lsmod | grep nouveau 检查是否禁用成功，如果运行后没有任何输出，则代表禁用成功。
b)安装依赖项
1. sudo apt-get install freeglut3-dev
2. sudo apt-get install build-essential
3. sudo apt-get install libx11-dev
4. sudo apt-get install libxmu-dev
5. sudo apt-get install libxi-dev
6. sudo apt-get install libgl1-mesa-glx
7. sudo apt-get install libglu1-mesa
8. sudo apt-get install libglu1-mesa-dev
重启电脑，到达登录界面时，alt+ctrl+f1，进入text mode，登录账户
c) 输入 $ sudo service lightdm stop 关闭图形化界面
d) 切换到cuda安装文件的路径，运行$ sudo sh cuda_7.5.18_linux.run
   遇到提示是否安装openGL ，选择no（如果你的电脑跟我一样是双显，且主显是非NVIDIA的GPU需要选择no，否则可以yes）。其他都选择yes或者默认。安装成功后，会显示installed，否则会显示failed。
e) 输入 $ sudo service lightdm start 重新启动图形化界面
Alt + ctrl +F7，返回到图形化登录界面，输入密码登录。
如果能够成功登录，则表示不会遇到循环登录的问题，基本说明CUDA的安装成功了。

f)重启电脑。检查Device Node Verification。
   检查路径~/dev下有无存在名为nvidia*（以nvidia开头）的多个文件(device files).如果没有的话，可以参考官方文档里的指导步骤，进行添加。
g)设置环境变量。
   终端中输入 $ sudo gedit /etc/profile 在打开的文件末尾，添加以下两行。 #第二个配置文件
       $ export PATH=/usr/local/cuda-7.5/bin:$PATH
       $ export LD_LIBRARY_PATH=/usr/local/cuda7.5/lib64
保存文件。

#安装完毕后的检查工作。

a) 检查 NVIDIA Driver是否安装成功
终端输入：$ cat /proc/driver/nvidia/version 会输出NVIDIA Driver的版本号
b) 检查 CUDA Toolkit是否安装成功
终端输入： $ nvcc --version 会输出CUDA的版本信息
c) 尝试编译cuda提供的例子
切换到例子存放的路径，默认路径是 ~/NVIDIA_CUDA-7.5_Samples
（即 /home/xxx/ NVIDIA_CUDA-7.5_Samples， xxx是你自己的用户名）
然后终端输入：$ make
d) 运行编译生成的二进制文件。
编译后的二进制文件默认存放在~/NVIDIA_CUDA-7.5_Samples/bin中。
切换路径： cd ~/NVIDIA_CUDA-7.5_Samples/bin
终端输入：$ deviceQuery

看到类似如下图片中的显示，则代表CUDA安装且配置成功（congratulation！！）

###三.安装caffe

1.下载caffe：

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

2.安装第三方库：

# sudo apt-get install libatlas-base-dev
# sudo apt-get install libprotobuf-dev
# sudo apt-get install libleveldb-dev
# sudo apt-get install libsnappy-dev
# sudo apt-get install libopencv-dev
# sudo apt-get install libboost-all-dev
# sudo apt-get install libhdf5-serial-dev
# sudo apt-get install libgflags-dev
# sudo apt-get install libgoogle-glog-dev
# sudo apt-get install liblmdb-dev
# sudo apt-get install protobuf-compiler

3.安装opencv

# cd caffe
# sudo git clone https://github.com/jayrambhia/Install-OpenCV
# cd Install-OpenCV/Ubuntu
# sudo sh dependencies.sh
# cd 2.4
# sudo sh opencv2_4_10.sh

4.编译caffe

# cd ~/caffe
# sudo cp Makefile.config.example Makefile.config
# make all

5.配置运行环境

caffe运行时需要调用cuda的库，我们在/etc/ld.so.conf.d目录下新建一个cafe.conf文件，将所需要用的库的目录写入.
# sudo vi /etc/ld.so.conf.d/caffe.conf
添加内容：
/usr/local/cuda/lib64 # 修改的配置文件
保存退出（：wq！)
更新配置
# sudo ldconfig

#########测设caffe

1.下载mnist数据

# cd ~/caffe
# sudo sh data/mnist/get_mnist.sh
# sudo sh examples/mnist/create_mnist.sh

2.修改配置文件

3.配置文件好后，就可以运行了

# sudo sh examples/mnist/train_lenet.sh

#########数据可视化环境（python）的配置

1.安装python和pip

a).下载
b).在终端执行（2.7版本）：
# bash Anaconda2-2.4.1-Linux-x86_64.sh
c).安装路径默认 /home/lx/anaconda2

d).环境变量默认 PATH in your /home/lx/.bashrc ? [yes|no] #yes就好
安装完成！

2.编译python接口

首先，将caffe根目录下的python文件夹加入到环境变量
打开配置文件bashrc
   # sudo vi ~/.bashrc   #
在最后面加入
   export PYTHONPATH=/home/xxx/caffe/python:$PYTHONPATH
注意 /home/xxx/caffe/python 是我的路径，这个地方每个人都不同，需要修改
保存退出，更新配置文件
   # sudo ldconfig

3.修改配置文件

4.在/home/xxx/caffe下

# sudo make pycaffe

5.重新编译

# sudo make test -j4
# sudo make runtest -j4
（也许你在编译runtest的时候，会报这样的错误：
.build_release/test/test_all.testbin: error while loading shared libraries: libhdf5.so.10: cannot open shared object file: No such file or directory
这是因为 libhdf5.so的版本问题，你可以进入/usr/lib/x86_64-linux-gnu看一下，你的libhdf5.so.x中的那个x是多少，比如我的是libhdf5.so.7
因此可以执行下面几行代码解决:
# cd /usr/lib/x86_64-linux-gnu
# sudo ln -s libhdf5.so.7 libhdf5.so.10
# sudo ln -s libhdf5_hl.so.7 libhdf5_hl.so.10
# sudo ldconfig
）

6.最终查看python接口是否编译成功：

进入python环境，进行import操作
# python
>>> import caffe #(遇到了问题)

$ sudo gedit /etc/profile # 末尾添加： export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH
最后解决方法：sudo chmod 777 -R anaconda2（文件夹）改变权限然后conda install protobuf
如果没有提示错误，则编译成功。

7.安装jupyter

如果安装了anaconda, jupyter notebook就已经自动装好，不需要再安装
运行notebook
   # jupyter notebook
   就会在浏览器中打开notebook, 点击右上角的New-python2, 就可以新建一个网页一样的文件，扩展名为ipynb。
   在这个网页上，我们就可以像在命令行下面一样运行python代码了。
   输入代码后，按 '''shift+enter运行'''，更多的快捷键，可点击上方的help-Keyboard shortcuts查看，或者先按esc退出编辑状态，再按h键查看。

#########为了绘制CNN网格模型

１、安装ＧraphViz

# sudo apt-get install GraphViz
注意，这里用的是apt-get来安装，而不是pip.

2 、安装pydot

# sudo pip install pydot
用的是pip来安装，而不是apt-get

#########faster-rcnn的配置

如果前面的没有题，环境变量没有配置错误，这一步问题不大。
修改环境变量的时候要慎重小心，知道具体含义。或者做下记录。
#########

import opencv2失败

解决办法：

1.要把opencv编译出来的cv2.so (/build/lib下)拷贝到anaconda2的lib目录下
2.export PYTHONPATH=/home/lx/caffe/python:/home/lx/anaconda2/lib:$PYTHONPATH

ubuntu14.04+CUDA7.5+cuDNN+caffe的超详细完整配置相关推荐

caffe linux 教程,Caffe 深度学习入门教程 - 安装配置Ubuntu14.04+CUDA7.5+Caffe+cuDNN_Linux教程_Linux公社-Linux系统门户网站...
安装配置Ubuntu14.04+CUDA7.5+Caffe+cuDNN 一.版本 Linux系统:Ubuntu 14.04 (64位) 显卡:Nvidia K20c cuda: cuda_7.5.18 ...
从无到有 Ubuntu16.04 18.04 20.04安装+Todesk+Chrome+NVIDIA驱动+CUDA+Cudnn+Anaconda3+Pycharm 超详细教程+踩坑问题
从无到有 Ubuntu16.04 18.04 20.04安装+Todesk+Chrome+NVIDIA驱动+CUDA+Cudnn+Anaconda3+Pycharm 超详细教程+踩坑问题(有部分图片忘 ...
2023微信社区小程序+APP+后台，附带超详细完整搭建教程【源码+教程】
2023微信社区小程序+APP+后台,附带超详细完整搭建教程[源码+教程] 微信授权登陆正常,小程序和APP带后台手机号登陆正常,发帖,建圈子.发活动. 微信小程序是一种轻量级的应用程序,可以在微信 ...
DynaSLAM超详细安装配置运行ubantu20.0.4+opencv2.4.11+tensorflow1.4.0
DynaSLAM超详细安装配置运行ubantu20.0.4+opencv2.4.11+tensorflow1.4.0 注:我现在ubantu的环境是基于可以运行ORB SLAM 2和ORB SLAM3 ...
centos7无界面系统物理机安装教程超详细完整教程图解
centos7无界面系统物理机安装教程超详细完整教程图解安装系统所需要用到的相关工具: 一个U盘(此U盘之后会被格式化,请先备份好里面重要内容) 系统镜像(自定义镜像文件,博主的镜像可在下面链接提取 ...
神器 VS Code，超详细Python配置使用指南
作者:Lemon 出品:Python数据之道神器 VS Code, 超详细Python配置使用指南大家好,我是 Lemon. 之前在公众号发了关于 PyCharm 与 VS Code 对比的文章, ...
ubuntu14.04+cuda7.0+opencv2.4.9
安装了ubuntu14.04 分辨率有问题,于是安装英伟达显卡驱动,一个比较简单地方法就是安装Cuda,这里安装的是Cuda7.0版本. 原文地址:http://blog.csdn.net/alten ...
Ubuntu14.04+cuda8.06+cudnn5.1+gtx1070的GPU环境配置中遇到的错误修改参考
电脑配置: 系统Ubuntu14.04 cuda--8.0.61 NVIDIA驱动375.65 cudnn5.1 gpu:NVIDIA1070 报错:ImportError:libcudart.s ...
VS+OpenCV+VC超详细的配置教程
写在前面的话版权声明:转载请注明出处! 博主是一个小菜鸟,并且非常玻璃心!如果文中有什么问题,请友好地指出来,博主查证后会进行更正. 每篇文章都是博主现阶段的理解,如果理解的更深入的话,博主会不定时 ...

ubuntu14.04+CUDA7.5+cuDNN+caffe的超详细完整配置