Caffe在Ubuntu 14.04 64bit 下的安装

CAFFE 深度学习交流群：532629018

最近因为各种原因，装过不少次Caffe，安装过程很多坑，为节省新手的时间，特此总结整个安装流程。

关于Ubuntu版本的选择，建议用14.04这个比较稳定的版本，但是千万不要用麒麟版！！！比原版体验要差很多！！！

Caffe的安装过程，基本采纳这篇文章然后稍作改动，跳过大坑。

Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置说明http://www.linuxidc.com/Linux/2015-04/116444.htm

1. 安装开发依赖包

sudo apt-get install build-essential
install vim cmake git
install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler

2. 安装CUDA

一般电脑都有双显卡：Intel 的集成显卡 + Nvidia 的独立显卡。要想两个显卡同时运行，需要关闭 lightdm 服务。

2.1 到这里下载安装包，选Linux x86 下的 Ubuntu 14.04， Local Package Installer，下载下来的文件为

　　cuda-repo-ubuntu1404-7-0-local_7.0-28_amd64.deb

2.2在BIOS设置里选择用Intel显卡来显示或作为主要显示设备

2.3进入Ubuntu，按 ctrl+alt+F1 ，登入自己的账号，然后输入以下命令

sudo service lightdm stop

2.4 安装 CUDA，cd 到安装包目录，输入以下命令：

sudo dpkg -i cuda-repo-ubuntu1404-7-0-local_7.0-28_amd64.deb sudo apt-get update install cuda

安装完后重启电脑。

3. 安装cuDNN

3.1 到这里注册下载，貌似注册验证要花一两天的样子，嫌麻烦的可以直接到Linux公社资源站下载

资源包下载地址：

------------------------------------------分割线------------------------------------------

FTP地址：ftp://ftp1.linuxidc.com

用户名：ftp1.linuxidc.com

密码：www.linuxidc.com

在 2015年LinuxIDC.com\7月\Caffe在Ubuntu 14.04 64bit 下的安装

下载方法见http://www.linuxidc.com/Linux/2013-10/91140.htm

------------------------------------------分割线------------------------------------------

3.2 完后到下载目录，执行以下命令安装

tar -zxvf cudnn-6.5-linux-x64-v2.tgz cd cudnn-v2 sudo cp lib* /usr/local/cuda/lib64/ cp cudnn.h /usr/local/cuda/include/

再更新下软连接

cd /usr/local/cuda/lib64/
rm -rf libcudnn.so libcudnn.so.6.5
ln -s libcudnn.so.6.5.48 libcudnn.so.6.5 libcudnn.so

3.3 设置环境变量

gedit /etc/profile

在打开的文件尾部加上

PATH=/usr/local/cuda/bin:$PATH
export PATH

保存后执行以下命令使之生效

source /etc/profile

同时创建以下文件

sudo vim /etc/ld.so.conf.d/cuda.conf

内容是

/usr/local/cuda/lib64

保存后，使之生效

sudo ldconfig

4. 安装CUDA Sample 及 ATLAS

4.1 Build sample

cd /usr/local/cuda/samples
make all -j8

我电脑是八核的，所以make 时候用-j8参数，大家根据情况更改，整个过程有点长，十分钟左右。

4.2 查看驱动是否安装成功

cd bin/x86_64/linux/release
./deviceQuery

出现以下信息则成功

./deviceQuery Starting...

 CUDA Device Query (Runtime API) version (CUDART static linking)

Detected 1 CUDA Capable device(s)

Device 0: "GeForce GTX 670"
  CUDA Driver Version / Runtime Version          6.5 / 6.5
  CUDA Capability Major/Minor version number:    3.0
  Total amount of global memory:                 4095 MBytes (4294246400 bytes)
  ( 7) Multiprocessors,(192) CUDA Cores/MP:     1344 CUDA Cores
  GPU Clock rate:                                1098 MHz (1.10 GHz)
  Memory Clock rate:                             3105 Mhz
  Memory Bus Width:                              256-bit
  L2 Cache Size:                                 524288 bytes
  Maximum Texture Dimension Size (x,y,z)         1D=(65536),2D=(65536,4096,128)">4096)
  Maximum Layered 1D Texture Size,(num) layers  1D=(16384),128)">2048 layers
  Maximum Layered 2D Texture Size,(num) layers  2D=(16384,0)"> layers
  Total amount of constant memory:               65536 bytes
  Total amount of shared memory per block:       49152 bytes
  Total number of registers available per block: 
  Warp size:                                     32
  Maximum number of threads per multiprocessor:  
  Maximum number of threads per block:           1024
  Max dimension size of a thread block (x,z): (1024,128)">64)
  Max dimension size of a grid size    (x,128)">2147483647,128)">65535,128)">65535)
  Maximum memory pitch:                          2147483647 bytes
  Texture alignment:                             512 bytes
  Concurrent copy and kernel execution:          Yes with  copy engine(s)
  Run time limit on kernels:                     Yes
  Integrated GPU sharing Host Memory:            No
  Support host page-locked memory mapping:       Yes
  Alignment requirement for Surfaces:            Yes
  Device has ECC support:                        Disabled
  Device supports Unified Addressing (UVA):      Yes
  Device PCI Bus ID / PCI location ID:           1 / 0
  Compute Mode:
     < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

deviceQuery,CUDA Driver = CUDART,CUDA Driver Version = 6.5,CUDA Runtime Version = 1,Device0 = GeForce GTX 670
Result = PASS

4.3 安装ATLAS

ATLAS是做线性代数运算的，还有俩可以选：一个是Intel 的 MKL，这个要收费，还有一个是OpenBLAS，这个比较麻烦；但是运行效率ATLAS < OpenBLAS < MKL

我就用ATLAS咯：

install libatlas-base-dev

5. 安装Caffe需要的Python包

网上介绍用现有的anaconda，我反正不建议，因为路径设置麻烦，很容易出错，而且自己安装很简单也挺快的。

首先需要安装pip

install python-pip

再下载caffe，我把caffe放在用户目录下

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

再转到caffe的python目录，安装scipy

cd caffe/python
install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose

最后安装requirement里面的包，需要root权限

su for req in $(cat requirements.txt); do pip install $req; done

如果提示报错，一般是缺少必须的包引起的，直接根据提示 pip install <package-name>就行了。

安装完后退出root权限

exit

6. 编译caffe

首先修改配置文件，回到caffe目录

cd ~/caffe
cp Makefile.config.example Makefile.config
gedit Makefile.config

这里仅需修改两处：

i) 使用cuDNN

# USE_CUDNN := 1

这里去掉#，取消注释为

USE_CUDNN := @H_301_452@ ii) 修改python包目录，这句话

PYTHON_INCLUDE := /usr/include/python2.7 \
　　/usr/lib/python2.7/dist-packages/numpy/core/include

改为

\ 　　/usr/local/lib/python2.@H_301_452@ 因为新安装的python包目录在这里：/usr/local/lib/python2.7/dist-packages/

接下来就好办了，直接make

make all -j4 make test runtest make pycaffe

这时候cd 到caffe 下的 python 目录，试试caffe 的 python wrapper安装好没有：

python import caffe

如果不报错，那就说明安装好了。

原文链接：/ubuntu/355777.html