参考欧新宇教程：http://ouxinyu.github.io/Blogs/20140723001.html
特别说明：
本文使用2015年5月5日下载的caffe-master版本，运行平台为：Ubuntu 14.04，CUDA7.5，cuDNN v2(以前一直是cuDNN R1)，OpenCV 3.0.0rc1。
本文主要包含5个部分，包括：
o 第一部分 Linux安装
o 第二部分 nVidia驱动和CUDA Toolkit的安装和调试（*.deb方法，特别推荐）
o 第二部分 nVidia驱动和CUDA Toolkit的安装和调试（*.run方法）
o 第三部分 Python安装和调试
o 第四部分 Matlab安装和调试
o 第五部分 Caffe的安装和测试
第一部分 Linux安装
Linux的安装，总共用分出的450G的空间来安装Ubuntu 14.04，
我的分区设置如下：
根分区： \ 100G，
Swap交换分区：30G，这里，我设置和我的内存一样，据说小于16G的内存，就设置成内存的1.5-2倍
boot分区：200M
Home分区：剩余的空间，至少300G以上。
安装依赖；
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
第二部分：nVidia驱动和CUDA Toolkit的安装和调试（*.deb方法）
PS：特别推荐*.deb的方法，目前已提供离线版的deb文件，该方法比较简单，不需要切换到tty模式。这里以CUDA 7.5为例。
一、CUDA Repository
获取CUDA安装包,安装包请自行去NVidia官网下载。
$ sudo dpkg -i cuda-repo-ubuntu1410-7-0-local_7.0-28_amd64.deb
$ sudo apt-get update
二、CUDA Toolkit
$ sudo apt-get install -y cuda
三、Environment Variables
这种命令行方式的环境变量注销后失效，
$ export CUDA_HOME=/usr/local/cuda-7.5
$ export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
$ PATH=${CUDA_HOME}/bin:${PATH}
$ export PATH
我采用如下方式设置环境变量
参考链接：http://www.th7.cn/system/lin/201505/105807.shtml
设置环境变量
设置环境变量的方式也很多，这里只介绍其中的一种
打开文件.profile(只对当前用户生效)：
$sudo gedit ~/.profile
在文件的末尾添加如下几行： 下面不要复制，手写进去
export CUDA_HOME=/usr/local/cuda-7.5
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
PATH=${CUDA_HOME}/bin:${PATH}
export PATH
保存文件之后在命令行执行一下，让配置内容生效
$sudo source ~/.profile
【若source 命令找不到，重启电脑sudo reboot就好了】
到这个地方，cuda已经配置好了。为了验证一下cuda能不能使用，可以编译一下官方自带的samples
$cd /usr/local/cuda/samples/
$sudo make
例子编译好之后，在samples下面的子文件bin/x86_64/linux/release中，运行编译好的可执行程序
$cd bin/x86_64/linux/release
$./deviceQuery
如果一切正常，那么该程序会打印出本机cuda device的一些信息。
第三部分 Python安装和调试
安装IDE运行环境
选择一个适合你的IDE运行环境，我是用的是Spyder，因为它内置了iPython 环境，Caffe有不少的程序是基于iPython 环境完成的。安装方法很简单，直接在Ubuntu软件中心搜索“spyder”即可安装。
第四部分 Matlab安装和调试
参考如下链接：http://m.blog.csdn.net/article/details?id=41698285
一、下载Matlab2014的Linux版本及破解文件。
二、下载完成后将iso文件挂载到Linux
sudo mkdir /media/matlab
Sudomount -o loop [path][filename].iso /media/matlab 【iso的具体路径】
cd /media/matlab
sudo ./install
步骤：
No Internet---yes--
进行安装。
00003、安装过程中使用crack 中的readme.txt中的序列号
R2014b:29797-39064-48306-32452。
四、破解
1 安装完成后使用crack下的license进行激活；
/media/matlab/crack/licence.lic
2 将crack文件夹下的libmwservices.so copy到/usr/local/MATLAB/R2014b/bin/glnxa64。
Sudo cp libmwservices.so /usr/local/MATLAB/R2014b/bin/glnxa64
五、完成安装，命令行下到/usr/local/MATLAB/R2014b/bin目录下，使用sudo ./matlab即可启动使用。
第五部分 Caffe的安装和测试
对于Caffe的安装严格遵照官网的要求来：http://caffe.berkeleyvision.org/installation.html
一、a, MKL
这里可以选择（ATLAS，MKL或者OpenBLAS），我这里使用MKL，首先下载并安装英特尔®数学内核库 Linux*版MKL，下载链接是：https://software.intel.com/en-us/intel-education-offerings， 请下载Student版，先申请，然后会立马收到一个邮件（里面有安装序列号），打开照着下载就行了。下载完之后，要把文件解压到home文件夹(或直接把tar.gz文件拷贝到home文件夹,为了节省空间，安装完记得把压缩文件给删除喔～)，或者其他的ext4的文件系统中。
接下来是安装过程，先授权，然后安装：
$ tar zxvf parallel_studio_xe_2015.tar.gz（如果你是直接拷贝压缩文件过来的）
这里为zipsx15l.iso,复制并提取，提取后的文件夹有install_GUI.sh
$ chmod a+x parallel_studio_xe_2015 -R chmod a+xzipsx15l -R 修改文件夹zipsx15l的权限
$ sudo ./install_GUI.sh sudo sh install.sh
接着是以下列安装操作：
1.选择用license文件激活，
2.激活文件为parallel_studio_tbe2015.lic
Accept---3(即license文件激活）--1（不在线激活）---输入parallel_studio_tbe2015.lic的路径---1 （愿意参加并提高软件）---后面默认enter
此不可能有系统与paralell不支持的情况，以及缺少32库的问题i
###sudo apt-get install ia32-libs
###sudo apt-get install g++-multilib解决
二、MKL与CUDA的环境设置
1. 新建intel_mkl.conf， 并编辑之：
$ sudo gedit /etc/ld.so.conf.d/intel_mkl.conf
/opt/intel/lib/intel64 文件需添加的内容
/opt/intel/mkl/lib/intel64
2. 新建cuda.conf，并编辑之：
$ sudo gedit /etc/ld.so.conf.d/cuda.conf
/usr/local/cuda/lib64
/lib
3. 完成lib文件的链接操作，执行：
$ sudo ldconfig -v
B 安装atlas
Sudo apt-get install libatlas-base-dev
即可，不需要配置环境变量
三、安装OpenCV 3.0.0
1. 下载并编译OpenCV（官网原版OpenCV：http://opencv.org/）， 或者使用本站提供的修改版的安装包 Install-OpenCV-master （下面的安装方式使用该包完成，安装包修改了dependencies.sh文件并增加了OpenCV 3.0.0的安装文件，同时保留了原来的2.3x和2.4x版）
2. 切换到文件保存的文件夹，然后安装依赖项：
【【先修改 opencv2_4_10.sh ，在Ubuntu/2.4/opencv2_4_10.sh,,注释wget下载ipencv]]]
$ sudo sh Ubuntu/dependencies.sh
3. 切换目录Ubuntu\3.0\安装OpenCV 3.0.0rc1：
$ sudo sh opencv3_0_0-rc1.sh
保证网络畅通，因为软件需要联网这里时间较长，请耐心等待。。。，
四、安装其他依赖项
1. Google Logging Library（glog），下载地址：https://code.google.com/p/google-glog/，然后解压安装：
$ tar zxvf glog-0.3.3.tar.gz
cd glog-0.3.3 进入解压后的文件夹
$ ./configure
$ make
$ sudo make install
如果没有权限就chmod a+x glog-0.3.3 -R ,或者索性 chmod 777 glog-0.3.3 -R ,装完之后，这个文件夹就可以kill了。
2. 其他依赖项，确保都成功
$ sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev 【【【【有问题时 -y 可以去掉】】
$ sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler
五、安装Caffe并测试
1. 安装pycaffe必须的一些依赖项：
$ sudo apt-get install -y python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags Cython ipython
$ sudo apt-get install -y protobuf-c-compiler protobuf-compiler
2. 安装配置nVidia cuDNN加速Caffe模型运算
a. 安装cuDNN
该改版本caffe-master默认支持cudnn-6.5-linux-x64-v2，使用cudnn-6.5-linux-R1会报错，安装前请去先官网下载最新的cuDNN。【【解压后下列文件都在cuda中】
$ sudo cp cudnn.h /usr/local/include /cuda/include/cudnn,sh
$ sudo cp libcudnn.so /usr/local/lib /cuda/lib64/lib.......
$ sudo cp libcudnn.so.6.5 /usr/local/lib
$ sudo cp libcudnn.so.6.5.48 /usr/local/lib
b. 链接cuDNN的库文件
$ sudo ln -sf /usr/local/lib/libcudnn.so.6.5.48 /usr/local/lib/libcudnn.so.6.5
$ sudo ln -sf /usr/local/lib/libcudnn.so.6.5 /usr/local/lib/libcudnn.so
$ sudo ldconfig -v
Linux环境下创建和删除软链接
ln -s /home/zhenwx/htccode-v1/ /home/zhenwx/htccode 建立/home/zhenwx/htccode-v1的软连接
linux下的软链接类似于windows下的快捷方式
ln -s /home/zhenwx/htccode-v1/ /home/zhenwx/htccode 中的/home/zhenwx/htccode-v1/就是源文件，/home/zhenwx/htccode 是链接文件名,其作用是当进入/home/zhenwx/htccode 目录，实际上是链接进入了/home/zhenwx/htccode-v1/目录
如上面的示例，当我们执行命令 cd /home/zhenwx/htccode/的时候 实际上是进入了/home/zhenwx/htccode-v1/
值得注意的是执行命令的时候,应该是/home/zhenwx/htccode-v1/ 目录已经建立，不要创建目录/home/zhenwx/htccode/。
删除软链接：
rm -rf /home/zhenwx/htccode 注意不是rm -rf /home/zhenwx/htccode/
下载caffe
Cd 到根目录，git命令会自动下载到当前所在目录
git clone https://github.com/BVLC/caffe.git
3. 换到Caffe-master的文件夹，生成Makefile.config配置文件，执行：
$ cp Makefile.config.example Makefile.config
4. 配置Makefile.config文件（仅列出修改部分）
a. 启用CUDNN，去掉"#"（目前caffe-master仍然只支持R1版本）
USE_CUDNN := 1
b. 启用GPU，添加注释"#"
# CPU_ONLY := 1
c. 配置一些引用文件（增加部分主要是解决新版本下，HDF5的路径问题）
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/lib/x86_64-linux-gnu/hdf5/serial/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial
d. 启用Intel Parallel Studio XE 2015 Professional Edition for C++ Linux
e. 配置路径，实现caffe对Python和Matlab接口的支持
PYTHON_LIB := /usr/local/lib
MATLAB_DIR := /usr/local/MATLAB/R2014a 修改第一个即可
＊＊＊＊＊＊＊＊
5. 配置Makefile文件（实现对OpenCV 3.x的支持）[[只针对opencv 3.]
查找“Derive include and lib directories”一节，修改“LIBRARIES +=”的最后一行，增加opencv_imgcodecs
opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs
＊＊＊＊＊＊＊＊＊＊＊
新版caffe，不用修改Makefile文件，因为已经加入这些模块
6. 编译caffe-master！！！"-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。
$ sudomake all -j8
$ sudomake test -j8 若出错，加sudo就编译过去了
$ make runtest -j8 //可能有编译失败的情况，我编译了的1515个失败了10个，有人说是boost/库应降到1.55即可，尚未处理。重新编译时make clean
https://github.com/BVLC/caffe/issues/1252
编译Python和Matlab用到的caffe文件
$ sudomake pycaffe -j8
$ sudomake matcaffe -j8
PS：问题
编译pycaffe出现问题：
Sudo gedit /etc/profile
加入 export PYTHONPATH=/home/username/caffe/python
编译matcaffe可能出现的问题：
若出现gcc版本问题，解决办法为：
降级安装gcc/g++版本为4.7.x
(1). 下载gcc/g++ 4.7.x
$ sudo apt-get install -y gcc-4.7
$ sudo apt-get install -y g++-4.7
(2). 链接gcc/g++实现降级
$ cd /usr/bin
$ sudo rm gcc
$ sudo ln -s gcc-4.7 gcc
$ sudo rm g++
$ sudo ln -s g++-4.7 g++
# 查看是否连接到4.7.x
ls –al gcc g++
gcc --version g++ --version
##########
7.测试caffe
Cd caffe/python $python
>>import caffe
>>>
导入成功：即没有任何报错
PS:
若出现import caffe时，no modul ,或缺少libcudnn.so.4. No file ,
cd cuda
sudo cp */*.h /usr/local/cuda/include/
sudo cp */libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
sudo ldconfig -v
8.设置PYTHON路径方法
export PYTHONPATH=/home/username/caffe/python
查看路径
echo $PYTHONPATH
使得 import caffe时直接在根目录即可成功：
username@username:~$python
>>import caffe
>>
六、使用MNIST数据集进行测试
Caffe默认情况会安装在$CAFFE_ROOT，就是解压到那个目录，例如：$ home/username/caffe-master，所以下面的工作，默认已经切换到了该工作目录。下面的工作主要是，用于测试Caffe是否工作正常，不做详细评估。具体设置请参考官网：http://caffe.berkeleyvision.org/gathered/examples/mnist.html
1. 数据预处理
$ sh data/mnist/get_mnist.sh
2. 重建lmdb文件。Caffe支持三种数据格式输入网络，包括Image(.jpg, .png等)，leveldb，lmdb，根据自己需要选择不同输入吧。
$ sh examples/mnist/create_mnist.sh
生成mnist-train-lmdb和 mnist-train-lmdb文件夹，这里包含了lmdb格式的数据集
3. 训练mnist
$ sh examples/mnist/train_lenet.sh
至此，Caffe安装的所有步骤完结
PS：测试mnist时可能出现的问题
(1)数据预处理
注:新版caffe都需要从根目录上执行，如果使用下列命令执行： # cd examples/mnist # sudo sh ./create_mnist.sh 可能会遇到这个错误：./create_mnist.sh: 16: ./create_mnist.sh: build/examples/mnist/convert_mnist_data.bin: not found
A. 从根目录执行，或者把create_mnist.sh文件拷贝到caffe下
B. Make clean后重新执行一边一下命令
$ sudo make all -j8
$ sudo make test -j8
$ make runtest -j8
sudomake pycaffe -j8
$ sudomake matcaffe -j8
(3)训练mnist
如果没有GPU,只有CPU的话,需要先修改examples/mnist目录下lenet_solver.prototxt文件,将solver_mode:GPU改为 solver_mode:CPU，修改后结果如下所示：# solver mode: CPU or GPU solver_mode: CPU 修改时可以使用vi编辑命令，如果是只读文件，不能编辑，可以用sudo命令，比如:sudo vi lenet_solver.prototxt (责任编辑：赵红霞)
PS
1.Creating lmdb...
build/examples/mnist/convert_mnist_data.bin: error while loading shared libraries: libcudart.so.7.5: cannot open shared object file: No such file or directory
sudo ldconfig /usr/local/cuda/lib64
2.error while loading shared libraries: libcudart.so.6.5: cannot open shared object file: No such file
sudo cp /usr/local/cuda-6.5/lib64/libcudart.so.6.5 /usr/local/lib/libcudart.so.6.5 && sudo ldconfig
sudo cp /usr/local/cuda-6.5/lib64/libcublas.so.6.5 /usr/local/lib/libcublas.so.6.5 && sudo ldconfig
sudo cp /usr/local/cuda-6.5/lib64/libcurand.so.6.5 /usr/local/lib/libcurand.so.6.5 && sudo ldconfig
When I run testing routine, facing error: error while loading shared libraries: libcudart.so.6.5: cannot open shared object file: No such file or directory.
Solution for this, copy respect library to /usr/local/lib:
sudo cp /usr/local/cuda-6.5/lib64/libcudart.so.6.5 /usr/local/lib/libcudart.so.6.5 && sudo ldconfig
sudo cp /usr/local/cuda-6.5/lib64/libcublas.so.6.5 /usr/local/lib/libcublas.so.6.5 && sudo ldconfig
sudo cp /usr/local/cuda-6.5/lib64/libcurand.so.6.5 /usr/local/lib/libcurand.so.6.5 && sudo ldconfig