转载请注明作者和出处：http://blog.csdn.net/c406495762
Linux版本： Ubuntu14.04 64-bit
Anaconda版本： Anaconda2-4.3.1-Linux-x86_64
Python版本： Python2.7
OpenCV版本： OpenCV3
CUDA版本： CUDA8.0
前提： 显卡驱动、CUDA8.0、cuDNN5.0已经安装好并配置完环境变量。
一、安装Anaconda2
URL : https://www.continuum.io/downloads/
wget https://repo.continuum.io/archive/Anaconda2-4.3.1-Linux-x86_64.sh
下载成功后，在终端执行：
bash Anaconda2-4.3.1-Linux-x86_64.sh
在安装过程中，会问安装路径，按回车即可。询问是否添加到~/.bashrc中，回复yes即可。
安装完成后，source一下~/.bashrc，执行命令如下：
source ~/.bashrc
随后，输入如下命令可即查看已经安装完成的库：
conda list
安装自己需要的库，可执行如下命令：
conda install ***
更新某个包的版本，可执行如下命令：
conda update ***
我们使用如下命令更新一下自己的conda：
conda update conda
创建一个环境，例如testcaffe：
conda create -n testcaffer python
注意： Anaconda2默认支持python2.7，如果安装的是Anaconda3默认支持python3，可以使用如下命令创建python2.7的环境：
conda create -n testcaffe python=2.7
创建完环境需要进入这个环境，使用如下命令：
source activate testcaffe
也可以使用如下命令，退出所创建的环境：
source deactivate
安装OpenCV3：
conda install -c menpo opencv3
二、安装依赖库
sudo apt-get update
sudo apt-get upgrade
sudo apt-get install -y build-essential cmake git pkg-config
sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev protobuf-compiler
sudo apt-get install -y libatlas-base-dev
sudo apt-get install -y --no-install-recommends libboost-all-dev
sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev
三、编译Caffe、PyCaffe
URL : https://github.com/BVLC/caffe.git
1.下载Caffe
git clone https://github.com/BVLC/caffe.git
cd caffe
2.编译caffe
用cmake默认配置：
cmake ..
make all -j8
make install
make runtest -j8
3.安装pycaffe需要的依赖包，并编译pycaffe
cd ../python
conda install cython scikit-image ipython h5py nose pandas protobuf pyyaml jupyter
for req in $(cat requirements.txt); do pip install $req; done
cd ../build
make pycaffe -j8
4.添加pycaffe的环境变量
- 终端输入如下指令：
vim ~/.bashrc
- 在最后一行添加caffe的python路径(到达vim最后一行快捷键：Shift+G)：
export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH
注意： /path/to/caffe是下载的Caffe的根目录，例如我的路径为：/home/Jack-Cui/caffe
- Source环境变量，在终端执行如下命令：
source ~/.bashrc
注意： Source完环境变量，会退出testcaffe这个conda环境，再次使用命令进入即可。
四、测试
执行如下命令：
python -c "import caffe; print dir(caffe)"
输出结果如下：
从上图可以看出，caffe编译通过，并且一些的python的caffe接口，也存在。
注意： 如果创建了conda环境，每次想要使用caffe，需要先进入这个创建的conda环境。
