http://blog.csdn.net/xuzhongxiong/article/details/52717285

經(jīng)過(guò)兩天堅(jiān)持不懈，終于在Ubuntu16.04系統(tǒng)上將caffe成功配置。過(guò)程中踩過(guò)無(wú)數(shù)個(gè)坑，遇到很多錯(cuò)誤，幸運(yùn)的是這些錯(cuò)誤都解決了，因此撰寫(xiě)該博客記錄caffe的配置過(guò)程，以及對(duì)配置過(guò)程中遇到的錯(cuò)誤提供解決辦法，避免今后再配置caffe時(shí)又踩坑。

電腦配置

• 系統(tǒng)：Ubuntu16.04
• GPU:NVIDIA GTX1080

安裝過(guò)程

1.安裝相關(guān)依賴(lài)項(xiàng)

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
3.sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev
4.sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
1
2

2.安裝NVIDIA驅(qū)動(dòng)

（1）查詢(xún)NVIDIA驅(qū)動(dòng)

首先去官網(wǎng)(http://www./Download/index.aspx?lang=en-us)查看適合自己顯卡的驅(qū)動(dòng)：

圖1.顯卡驅(qū)動(dòng)查詢(xún)
例如本人電腦的顯卡驅(qū)動(dòng)如下圖：

圖2.顯卡驅(qū)動(dòng)版本

（2）安裝驅(qū)動(dòng)

安裝之前先卸載已經(jīng)存在的驅(qū)動(dòng)版本：

sudo apt-get remove --purge nvidia*

若電腦是集成顯卡（NVIDIA獨(dú)立顯卡忽略此步驟），需要在安裝之前禁止一項(xiàng)：

sudo service lightdm stop
1

執(zhí)行以下指令安裝驅(qū)動(dòng)：

sudo add-apt-repository ppa:xorg-edgers/ppa
sudo apt-get update
sudo apt-get install nvidia-367 #注意在這里指定自己的驅(qū)動(dòng)版本！
1

安裝完成之后輸入以下指令進(jìn)行驗(yàn)證：

sudo nvidia-smi
1

若列出了GPU的信息列表則表示驅(qū)動(dòng)安裝成功。

3.安裝CUDA

CUDA是NVIDIA的編程語(yǔ)言平臺(tái)，想使用GPU就必須要使用cuda。

（1）下載CUDA

首先在官網(wǎng)上(https://developer./cuda-downloads)下載CUDA：

圖3.CUDA下載

（2）安裝CUDA

下載完成后執(zhí)行以下命令：

sudo sh cuda_8.0.27_linux.run

注意：執(zhí)行后會(huì)有一系列提示讓你確認(rèn)，但是注意，有個(gè)讓你選擇是否安裝nvidia361驅(qū)動(dòng)時(shí)，一定要選擇否：

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62?
1

因?yàn)榍懊嫖覀円呀?jīng)安裝了更加新的nvidia367，所以這里不要選擇安裝。其余的都直接默認(rèn)或者選擇是即可。
可能出現(xiàn)的錯(cuò)誤：
當(dāng)出現(xiàn)“unsupport complier”錯(cuò)誤時(shí)，說(shuō)明gcc版本太高，需要降低gcc版本。解決辦法如下：
以gcc4.9與g++4.9為例
安裝低版本gcc與g++：

sudo apt-get install gcc-4.9 g++-4.9

之后進(jìn)入/usr/bin:

cd /usr/bin

先刪除和gcc5.0關(guān)聯(lián)的gcc:

sudo rm gcc
sudo rm g++

再建個(gè)軟連接

sudo ln -s gcc-4.9 gcc
sudo ln -s g++-4.9 g++

然后重新安裝。

（3）環(huán)境變量配置

打開(kāi)~/.bashrc文件：

sudo vim ~/.bashrc

將以下內(nèi)容寫(xiě)入到~/.bashrc尾部：

export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

（4）測(cè)試CUDA的sammples

cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery #由自己電腦目錄決定
make
sudo ./deviceQuery

如果顯示一些關(guān)于GPU的信息，則說(shuō)明安裝成功。

4.配置cuDNN

cuDNN是GPU加速計(jì)算深層神經(jīng)網(wǎng)絡(luò)的庫(kù)。
首先去官網(wǎng)(https://developer./rdp/cudnn-download)下載cuDNN,可能需要注冊(cè)一個(gè)賬號(hào)才能下載。由于本人的顯卡是GTX1080，所以下載版本號(hào)如下圖：

圖4.cuDNN下載
下載cuDNN5.1之后進(jìn)行解壓，cd進(jìn)入cuDNN5.1解壓之后的include目錄，在命令行進(jìn)行如下操作：

sudo cp cudnn.h /usr/local/cuda/include/    #復(fù)制頭文件

再將cd進(jìn)入lib64目錄下的動(dòng)態(tài)文件進(jìn)行復(fù)制和鏈接：

sudo cp lib* /usr/local/cuda/lib64/    #復(fù)制動(dòng)態(tài)鏈接庫(kù)
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.6    #刪除原有動(dòng)態(tài)文件
sudo ln -s libcudnn.so.6.0.21 libcudnn.so.6  #生成軟銜接（注意這里要和自己下載的cudnn版本對(duì)應(yīng)，可以在/usr/local/cuda/lib64下查看自己libcudnn的版本）
sudo ln -s libcudnn.so.6 libcudnn.so      #生成軟鏈接

5.安裝opencv3.1

從官網(wǎng)(http:///downloads.html)下載OpenCV,并將其解壓到你要安裝的位置，假設(shè)解壓到了/home/opencv。
安裝前準(zhǔn)備，創(chuàng)建編譯文件夾：

cd ~/opencv
mkdir build
cd build

配置：

cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..

編譯：

make -j8 #-j8表示并行計(jì)算，根據(jù)自己電腦的配置進(jìn)行設(shè)置，配置比較低的電腦可以將數(shù)字改小或不使用，直接輸make。

以上只是將opencv編譯成功，還沒(méi)將opencv安裝，需要運(yùn)行下面指令進(jìn)行安裝：

sudo make install

可能會(huì)出現(xiàn)的錯(cuò)誤：
錯(cuò)誤內(nèi)容1：

gcc-4.9: error trying to exec 'cc1plus': execvp: 
沒(méi)有那個(gè)文件或目錄

說(shuō)明gcc與g++版本不兼容，解決辦法跟gcc版本太高時(shí)一樣：
安裝低版本gcc與g++：

sudo apt-get install gcc-4.9 g++-4.9

之后進(jìn)入/usr/bin:

cd /usr/bin

先刪除和gcc5.0關(guān)聯(lián)的gcc:

sudo rm gcc
sudo rm g++

再建個(gè)軟連接

sudo ln -s gcc-4.9 gcc
sudo ln -s g++-4.9 g++

錯(cuò)誤內(nèi)容2：

modules/cudalegacy/src/graphcuts.cpp:120:54: error: 
'NppiGraphcutState’ has not been declared
typedef NppStatus (*init_func_t)(NppiSize oSize, 
NppiGraphcutState** ppState, Npp8u* pDeviceMem);

這是因?yàn)閛pecv3.0與cuda8.0不兼容導(dǎo)致的。解決辦法：
修改 ～/opencv/modules/cudalegacy/src/graphcuts.cpp文件內(nèi)容，如圖：

圖5.文件修改

6.配置caffe

（1）將終端cd到要安裝caffe的位置。
（2）從github上獲取caffe：

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

注意：若沒(méi)有安裝Git，需要先安裝git：

sudo apt-get install git

（3）因?yàn)閙ake指令只能make Makefile.config文件，而Makefile.config.example是caffe給出的makefile例子，因此，首先將Makefile.config.example的內(nèi)容復(fù)制到Makefile.config：

sudo cp Makefile.config.example Makefile.config

（4）打開(kāi)并修改配置文件：

sudo gedit Makefile.config #打開(kāi)Makefile.config文件

根據(jù)個(gè)人情況修改文件：
a.若使用cudnn，則

將
#USE_CUDNN := 1
修改成： 
USE_CUDNN := 1

b.若使用的opencv版本是3的，則

將
#OPENCV_VERSION := 3 
修改為： 
OPENCV_VERSION := 3

c.若要使用Python來(lái)編寫(xiě)layer，則

將
#WITH_PYTHON_LAYER := 1 
修改為 
WITH_PYTHON_LAYER := 1

d. 重要的一項(xiàng) :
將# Whatever else you find you need goes here.下面的

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib 
修改為： 
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 /usr/lib/x86_64-linux-gnu/hdf5/serial       

這是因?yàn)閡buntu16.04的文件包含位置發(fā)生了變化，尤其是需要用到的hdf5的位置，所以需要更改這一路徑.
（5）修改makefile文件
打開(kāi)makefile文件，做如下修改：

將：
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替換為：
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)

（6）編輯/usr/local/cuda/include/host_config.h
將其中的第115行注釋掉：

將
#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
改為
//#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!

（7）編譯

make all -j8 #-j根據(jù)自己電腦配置決定

編譯過(guò)程中可能會(huì)出現(xiàn)如下錯(cuò)誤：
錯(cuò)誤內(nèi)容1：

"fatal error: hdf5.h: 沒(méi)有那個(gè)文件或目錄"

解決辦法：
step1:在Makefile.config文件的第85行，添加/usr/include/hdf5/serial/ 到 INCLUDE_DIRS，也就是把下面第一行代碼改為第二行代碼。

將：
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
替換為：
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/
1
2
3
4
stept2:在Makefile文件的第173行，把 hdf5_hl 和hdf5修改為hdf5_serial_hl 和 hdf5_serial，也就是把下面第一行代碼改為第二行代碼。

將：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
改為：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial
1
2
3

錯(cuò)誤內(nèi)容2：

"libcudart.so.8.0 cannot open shared object file: No such file or directory"

解決辦法是將一些文件復(fù)制到/usr/local/lib文件夾下：

#注意自己CUDA的版本號(hào)！
sudo cp /usr/local/cuda-8.0/lib64/libcudart.so.8.0 /usr/local/lib/libcudart.so.8.0 && sudo ldconfig
sudo cp /usr/local/cuda-8.0/lib64/libcublas.so.8.0 /usr/local/lib/libcublas.so.8.0 && sudo ldconfig
sudo cp /usr/local/cuda-8.0/lib64/libcurand.so.8.0 /usr/local/lib/libcurand.so.8.0 && sudo ldconfig
1
2
3

（8）測(cè)試

sudo make runtest

如果運(yùn)行之后出現(xiàn)下圖，說(shuō)明caffe配置成功。

圖6.caffe測(cè)試結(jié)果
到此caffe配置完畢！

MNIST數(shù)據(jù)集測(cè)試

配置caffe完成后，我們可以利用MNIST數(shù)據(jù)集對(duì)caffe進(jìn)行測(cè)試，過(guò)程如下：
1.將終端定位到Caffe根目錄

cd ~/caffe

2.下載MNIST數(shù)據(jù)庫(kù)并解壓縮

./data/mnist/get_mnist.sh

3.將其轉(zhuǎn)換成Lmdb數(shù)據(jù)庫(kù)格式

./examples/mnist/create_mnist.sh

4.訓(xùn)練網(wǎng)絡(luò)

 ./examples/mnist/train_lenet.sh

訓(xùn)練的時(shí)候可以看到損失與精度數(shù)值，如下圖：

圖7.MNIST數(shù)據(jù)集訓(xùn)練
可以看到最終訓(xùn)練精度是0.9914。

參考文獻(xiàn)

[1] (http://blog.csdn.net/yhl_leo/article/details/50961542)
[2] (http://www./system/lin/201608/176823.shtml)
[3] (http://www./articles/JvUvQjZ)
[4] (http://www./Linux/2015-11/124913.htm)