Caffe在Ubuntu 16.04的安装配置
安装配置网络搜索一大把，可是来回折腾好多回，记录整理过程，方便自己和他人：
- 独立显卡的Nvidia驱动安装
- Opencv安装
- 依赖库安装
- Caffe下载，配置与编译，测试
环境准备：安装编译依赖库
-协议、数据、opencv库等：sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
-Boost库 sudo apt-get install --no-install-recommends libboost-all-dev
- ATLAS库 sudo apt-get install libatlas-base-dev（科学计算库BLAS(Basic Linear Algebra Subprograms 基本线性代数子程序)）
- 日志、标签等库 sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
NVIDIA相关配置
（1）安装NVIDIA驱动
首先去官网(http://www.nvidia.com/Download/index.aspx?lang=en-us)查看适合自己显卡的驱动： 
图1.显卡驱动查询
选择符合操作系统、显卡版本下载，本例采用run文件安装方式，如NVIDIA-Linux-x86_64-378.13.run.
因为是独显，需要重启ubuntu，高级模式里选recovery mode，选择network等选项后，选root …shell，进入命令行界面。
运行 sh ./NVIDIA-Linux-x86_64-378.13.run
然后重启系统。
终端执行命令 nvidia-smi ，若列出了GPU的信息列表则表示驱动安装成功。
（2）安装CUDA
CUDA是NVIDIA的编程语言平台，想使用GPU就必须要使用cuda。
首先下载CUDA
首先在官网上(https://developer.nvidia.com/cuda-downloads)下载CUDA： 
接着安装CUDA
下载完成后执行以下命令：
sudo sh cuda_8.0.27_linux.run
注意：执行后会有一系列提示让你确认，但是注意，有个让你选择是否安装nvidia361驱动时，一定要选择否：
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62?
因为前面我们已经安装了更加新的nvidia367，所以这里不要选择安装。其余的都直接默认或者选择是即可。
然后配置环境变量
打开~/.bashrc文件： sudo vim ~/.bashrc
将以下内容写入到~/.bashrc尾部： export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
测试CUDA的sammples
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuerymakesudo ./deviceQuery
如果现实一些关于GPU的信息，则说明安装成功。
（3）配置cuDNN
cuDNN是GPU加速计算深层神经网络的库。
首先去官网(https://developer.nvidia.com/rdp/cudnn-download)下载cuDNN,可能需要注册一个账号才能下载。由于显卡是GTX1080ti，所以下载版本号如下：cudnn-8.0-linux-x64-v6.0.tgz
下载cuDNN6.0之后进行解压，cd进入cuDNN6.0解压之后的include目录，在命令行进行如下操作：
sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件
再将cd进入lib64目录下的动态文件进行复制和链接：
sudo cp lib* /usr/local/cuda/lib64/ #复制动态链接库
cd /usr/local/cuda/lib64/sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件
sudo ln -s libcudnn.so.5.0.5 libcudnn.so.5 #生成软衔接
sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接
安装opencv
从官网(http://opencv.org/downloads.html)下载Opencv,并将其解压到你要安装的位置。见前面的相关博文。
配置Caffe
下载
从官网下载caffe代码： sudo apt-get install git
git clone https://github.com/BVLC/caffe.git
配置编译选项
（1）复制并修改Makefile.config：
sudo gedit Makefile.config #打开Makefile.config文件
根据个人情况修改文件：
a.若使用cudnn，则将 #USE_CUDNN := 1
修改成： USE_CUDNN := 1
b.若使用的opencv版本是3的，则将 #OPENCV_VERSION := 3
修改为： OPENCV_VERSION := 3
c.若要使用python来编写layer，则将 #WITH_PYTHON_LAYER := 1
修改为 WITH_PYTHON_LAYER := 1
d.重要的一项 :
将# 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
修改为： INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial
这是因为ubuntu16.04的文件包含位置发生了变化，尤其是需要用到的hdf5的位置，所以需要更改这一路径.
（2）修改makefile文件
打开makefile文件，做如下修改：
将： NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替换为： NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
（3）如果需要编辑/usr/local/cuda/include/host_config.h
将其中的第115行注释掉：
将 #error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
改为 //#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
编译
make all -j8 #-j根据自己电脑配置决定
编译过程中可能会出现如下错误：
错误内容1：
“fatal error: hdf5.h: 没有那个文件或目录”
解决办法：
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码改为第二行代码。
将： INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
替换为： INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/
stept2:在Makefile文件的第173行，把 hdf5_hl 和hdf5修改为hdf5_serial_hl 和 hdf5_serial，也就是把下面第一行代码改为第二行代码。
将： LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
改为： LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial
错误内容2： "libcudart.so.8.0 cannot open shared object file: No such file or directory"
解决办法是将一些文件复制到/usr/local/lib文件夹下： #注意自己CUDA的版本号！
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
测试
测试C接口
sudo make runtest
如果成功，则编译配置完毕。
测试Matlab接口
sudo make mattest
如果成功，则显示：
总计:
7 Passed, 0 Failed, 0 Incomplete.
0.80043 秒测试时间。
错误1：MATLAB/R2015b/bin/glnxa64/../../sys/os/glnxa64/libstdc++.so.6: versionGLIBCXX_3.4.20’ not found (required by /home/caffe/matlab/+caffe/private/caffe_.mexa64) export LD_PRELOAD=/usr/lib/x86_64-linux-gnu/libstdc++.so.6`
原因：说明cc的动态库还是旧版本的,出现这些问题，是因为升级gcc时，生成的动态库没有替换老版本gcc的动态库。 这里需要在matlab启动前指定这个lib。
strings /home/MATLAB/R2015b/sys/os/glnxa64/libstdc++.so.6 | grep GLIBC
解决办法：
错误2：Invalid MEX-file /home/caffe/matlab/+caffe/private/caffe_.mexa64:
/home/caffe/matlab/+caffe/private/caffe_.mexa64: undefined symbol:
_ZN2cv8imencodeERKNSt7__cxx1112basic_stringIcSt11char_traitsIcESaIcEEERKNS_11_InputArrayERSt6vectorIhSaIhEERKSB_IiSaIiEE
原因是Matlab自带的opencv库版本2.4.9和Ubuntu的编译的opencv库版本2.4.13之间发生了冲突，符号表对不上，一言不和使用Matlab的自带库。Caffe在编译的时候需要指定OpenCV的版本和位置，这个时候Caffe的库是链接到系统安装的OpenCV库的；使用make matcaffe命令编译Caffe的MATLAB接口的时候却是链接到MATLAB自带的OpenCV库。
解决办法1预加载caffe编译库：
export LD_PRELOAD=/usr/lib/x86_64-linux-gnu/libopencv_highgui.so.2.4:/usr/lib/x86_64-linux-gnu/libopencv_imgproc.so.2.4:/usr/lib/x86_64-linux-gnu/libopencv_core.so.2.4:/usr/lib/x86_64-linux-gnu/libstdc++.so.6:/usr/lib/x86_64-linux-gnu/libfreetype.so.6
解决办法2（推荐）：
解决办法是首先将MATLAB自带的OpenCV中的三个软符号链接文件备份，其次删除这三个软符号链接文件，再次重新建立这三个软符号链接文件： /usr/lib/x86_64-linux-gnu/libopencv_core.so.2.4 -> /usr/local/lib/libopencv_core.so.2.4.9
/usr/lib/x86_64-linux-gnu/libopencv_highgui.so.2.4 -> /usr/local/lib/libopencv_highgui.so.2.4.9
/usr/lib/x86_64-linux-gnu/libopencv_imgproc.so.2.4 -> /usr/local/lib/libopencv_imgproc.so.2.4.13
sudo make pytest
成功则显示如下：
Ran 47 tests in 17.507s
OK
错误1：ImportError: No module named google.protobuf.internal
原因：python缺少google.protobuf包，但需要安装系统一致的。先查看系统版本： protoc --version
libprotoc 2.6.1
conda install protobuf=2.6.1 --no-update-dependencies
错误2：ImportError: No module named pydot
解决办法： conda install pydot=1.0.28
错误3：InvocationException: GraphViz’s executables not found
解决办法： conda install GraphViz
错误4:pydot.InvocationException: Program terminated with status: 1. stderr follows: Warning: Could not load “/home/orange/studio/anaconda2/lib/graphviz/libgvplugin_pango.so.6” - file not found
原因：然后又会有Graphviz中找不到libgvplugin_pango.so.6的问题，根据官网Issue的解答，应该是少了依赖库。用命令检查： ldd /home/anaconda2/lib/graphviz/libgvplugin_pango.so.6 | grep not
缺少：libiconv.so.2， libpcre.so.1 => not found
conda install libiconv
conda install pcre
数据训练
字符识别的训练样例
MNIST数据集测试
配置caffe完成后，我们可以利用MNIST数据集对caffe进行测试，过程如下：
1.将终端定位到Caffe根目录 cd ~/caffe
2.下载MNIST数据库并解压缩 ./data/mnist/get_mnist.sh
3.将其转换成Lmdb数据库格式 ./examples/mnist/create_mnist.sh
4.训练网络 ./examples/mnist/train_lenet.sh
训练的时候可以看到损失与精度数值。
End