本文主要是介绍Ubuntu16.04+caffe+CUDA8.0+cuDNN v5+python编译，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
Ubuntu16.04+caffe+CUDA8.0+cuDNN v5+python编译
此教程适用于对于刚接触caffe和ubuntu系统的同学，请一步一步耐心地跟着教程走，尽量避免踩坑。对于习惯Windows系统的人来说，接触Ubuntu也算是一种有趣的体验，感受仁爱吧！
1.安装Ubuntu16.04
在Win10系统上装上最新的稳定兼容版本Ubuntu16.04（不是我想踩坑而是14.04上也会有一些坑…），装双系统教程参照如下，亲测有效 安装ubuntu双系统 参照此教程还需注意的是，最好在Windows系统上给ubuntu系统分配内存时，可以给80G或以上（如果有足够的空间，可以按照自己需求分配），在安装ubuntu过程中，安装类型一定要选其他选项，否则将不能进行双系统引导。对空闲空间进行分区时，可以按以下建议，/分区给20~30G，swap分区给16G（两倍物存），/home分区给30~40G，/boot分区给200M，四个分区都选择逻辑分区，并在下拉选项中选择/boot分区作为系统引导，装好后回到windows系统要利用EasyBCD软件设置此分区作为双系统ubuntu引导。
在安装完之后，搜索-软件和更新，更新服务源，我选的阿里的服务器。
如果你是初次接触linux系统或ubuntu系统，建议你在装好Ubuntu系统后不要急着进行下一步，可以了解学习一下linux系统基础和基本指令 linux基础和命令
2.安装NVIDIA显卡驱动
要跑GPU加速必须要先装NVIDIA显卡驱动，而且在我安装之前，屏幕分辨率低的惊人，窗口都已经只能看到一半了，还不能在系统设置-显示里面修改，试了网上的说法还是不行，有看到说可能是显卡驱动的原因，但没太放在心上。网上搜了装NVIDIA显卡的方法没看太懂，最后在搜索-软件和更新，附加驱动中找到了，Ubuntu提供了两种显卡驱动，一个是NVIDIA显卡官方驱动，另一个是第三方NVIDIA的开源驱动nouveau，Ubuntu系统默认驱动是后者，改为前者就好了，然后在命令窗口中输入nvidia-smi会出现gpu清单。
3.安装CUDA8.0
网上的教程大部分是关于CUDA7.5的，之前看博客找到过CUDA7.5的下载链接，但装CUDA的时候没在NVIDIA官网找到7.5的，只看得到最新版8.0，不过相信NVIDIA肯定会考虑兼容性的，到NVIDIA官网可以下载CUDA8.0，我下载的是离线.deb包进行安装 CUDA8.0下载
官网下载页面给出了安装命令如下图中的Installation instructions：
下载完成之后，打开命令行终端，进入到.deb包的下载目录下，依次执行以下命令，其中第一个指令中的.deb包就是自己下载的.deb包名。
sudo dpkg -i cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda安装完cuda后必须重启电脑，才能让显卡配置生效！
4.安装cuDNN v5
先说明一下，cuDNN v4是不支持ssd的，并且用v4编译faster r-cnn后测试score时结果不对，faster r-cnn默认是v3，通过替换和修改少量文件即可使用v5，因此在这里强烈建议大家使用v5版本。到NVIDIA官网下载cuDNN，进去要先用邮箱注册一下，填个问卷，很快的。选择cuDNN v5(May 27,2016),for CUDA 8.0下载，官网下载地址： cuDNN v5下载
下载之后进入到下载文件所在文件夹，解压，进入cuda文件夹下，并执行相关文件的拷贝：
tar -zxvf cudnn-8.0-linux-x64-v5.0-ga.tgz(或你的版本对应的压缩包)
cd cuda
sudo cp lib64/lib* /usr/local/cuda/lib64/
sudo cp include/cudnn.h usr/local/cuda/include/然后更新软连接：
cd /usr/local/cuda/lib64/
sudo chmod +r libcudnn.so.5.0.5(或你自己的版本对应的)
sudo ln -sf libcudnn.so.5.0.5 libcudnn.so.5
sudo ln -sf libcudnn.so.5 libcudnn.so
sudo ldconfig5.添加环境变量
编辑计算机文件夹下的/etc/profile（可以在终端使用以下命令行打开）：
sudo gedit /etc/profile在文件末尾加入CUDA环境变量，保存。
PATH=/usr/local/cuda/bin:$PATH
export PATH保存后在终端执行以下命令使其生效：
source /etc/profile然后，进入到/etc/ld.so.conf.d/文件夹下，执行以下命令，新建了一个cuda.conf文件
sudo gedit cuda.conf在文件中写入并保存：
/usr/local/cuda/lib64保存后使其生效：
sudo ldconfig6.Build CUDA Sample
进入usr/local/cuda/samples，然后build samples，命令如下：
sudo make all -j4（4表示采用4核，当然如果你是8核你也可以用8）继续进入到samples/bin/x86_64/linux/release目录下，在终端执行查询命令：
./deviceQuery如果返回你电脑显卡信息，结尾有Result=PASS，则安装成功，否则，建议重启电脑再尝试查询命令。
7.安装caffe的基本依赖库
首先安装以下软件包括python，不过好像Ubuntu16.04已经自带了。
sudo apt-get install git
sudo apt-get install build-essential
sudo apt-get python然后安装caffe依赖库，建议一个一个装
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler libatlas-base-dev8.安装opencv
安装opencv可以选择源码安装和脚本安装，脚本安装OpenCV2.4.10比较方便 opencv安装包下载
下载安装包后，解压后进入Install-OpenCV/Ubuntu/2.4，然后执行脚本文件：
sudo ./opencv2_4_10.sh编译时间比较长，可以去喝杯咖啡，编译到最后报了几个错，没有理会它，没有影响后面的使用。
9.配置caffe的python环境
先下载caffe-master包，下载后解压，进入caffe-master/python文件夹下，然后在终端执行：caffe-master下载
sudo apt-get install python-pip python-dev build-essential
sudo pip install --upgrade pip
sudo pip install -r python/requirements.txt为了后面能够使用python绘制caffe的网络模型等可视化操作，执行：
sudo apt-get install graphviz
sudo pip install pydot然后
make pycaffe10.编译caffe
进入到caffe-master文件夹下，复制配置文件，终端执行：
cp Makefile.config.example Makefile.config打开Makefile.config文件，对以下几点去掉注释并修改：
USE_CUDNN := 1
USE_OPENCV := 1
USE_LMDB := 1
WITH_PYTHON_LAYER := 1如果只进行以上修改最后编译会报关于hdf5的错，解决方案参照博客 编译caffe时hdf5报错
解决方案如下，首先在Makefile.config文件大概第85行，找到
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include并修改成
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/修改后保存，然后再打开Makefile文件，找到大概第173行
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5并修改成
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial修改完保存，然后在终端caffe目录下执行编译:
make all -j4
make test -j4
make runtest -j4如果没有报错，那么恭喜你成功了，如果没有成功，请根据报错内容仔细检查整个过程是否有遗漏，或者百度谷歌报错内容来得到解决方案。
11 绘制caffe网络模型
caffe的python目录下有一个draw_net.py是python绘制caffe网络模型的工具。在终端进入caffe的python目录下，执行:
python draw_net.py ../models/bvlc_alexnet/train_val.prototxt alexnet.png就会在caffe的python生成alexnet网络模型可视化图像alexnet.png。
参考链接
http://blog.csdn.net/leo_xu06/article/details/53010900
http://caffe.berkeleyvision.org/install_apt.html
这篇关于Ubuntu16.04+caffe+CUDA8.0+cuDNN v5+python编译的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
