Caffe在Ubuntu下配置

ubuntu16.04+cuda8.0+cudnn8.0+caffe 具体的版本由自己电脑决定 Ubuntu-16.04.1-desktop-amd64 （64位ubuntu） cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb cudnn-8.0-linux-x64-v5.1.tgz caffe-master 直接GPU版本的配置 首先是安装caffe依赖包 sudo apt-get install build-essential 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 sudo apt-get install --no-install-recommends libboost-all-dev sudo apt-get install libatlas-base-dev sudo apt-get install python-dev sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev 1）更新显卡的驱动 具体请参考网上教程，更新完注意重启电脑 2）安装cuda8.0 我采用的是离线.deb安装方法，按自己的电脑和软件的情况，去官网下载dbe包，大概1.8G。然后在它存放的目录打开终端，执行下面的命令安装： sudo dpkg -i cuda-repo-<distro>_<version>_<architecture>.deb # 自己的.deb包名 sudo apt-get update sudo apt-get install cuda 安装完成之后切记要重启电脑:sudo reboot，让显卡配置生效 3）安装cudnn8.0 将上面提到的cudnn安装包下载好解压，进入解压后的文件，在终端执行下面的指令安装： cd cuda sudo cp lib64/lib* /usr/local/cuda/lib64/ sudo cp include/cudnn.h /usr/local/cuda/include/ 然后更新网络连接： cd /usr/local/cuda/lib64/ sudo chmod +r libcudnn.so.5.1.3 # 自己查看.so的版本 sudo ln -sf libcudnn.so.5.1.3 libcudnn.so.5 sudo ln -sf libcudnn.so.5 libcudnn.so sudo ldconfig 4）添加环境变量 编辑计算机文件夹下的/etc/profile，加入CUDA环境变量（下面的2，3句），保存 sudo gedit /etc/profile PATH=/usr/local/cuda/bin:$PATH export PATH 保存后执行下面的命令，使其生效： souce /etc/profile 同时，进入/etc/ld.so.conf.d/文件夹，执行下面的命令，新建一个名为cuda.conf的文件 sudo gedit cuda.conf 然后在文件中写入如下内容： /usr/local/cuda/lib64 保存后执行下面的命令，使其生效 sudo ldconfig 测试cuda安装有没有成功 进入usr/local/cuda/samples，然后build samples，命令如下： sudo make all -j8 在执行完之后，进入samples/bin/x86_64/linux/release目录下，在终端执行查询命令： ./deviceQuery 如果返回了你电脑显卡的信息，且结尾有Result=PASS，则表示安装成功，否则，建议重启电脑之后再次尝试查询命令 6）修改配置文件 下载caffe-master包，下载之后，解压，打开Makefile文件，修改下面的两个地方： （1） INCLUDE_DIRS += $(BUILD_INCLUDE_DIR) ./src ./include 改成： INCLUDE_DIRS += $(BUILD_INCLUDE_DIR) ./src ./include /usr/include/hdf5/serial （2） LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5 改成： LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial 修改Makefile.config文件 将USE_CUDNN := 1取消注释 INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include 后面打上一个空格，然后添加/usr/include/hdf5/serial如果没有这一句可能会报一个找不到hdf5.h的错误 7）正式编译 终端输入 make all -j8 or-j4 make test -j8 or-j4 make runtest -j8 or -j4 make pycaffe -j4 make distribute 生成发布安装包 make过程中又出现找不到lhdf5_hl和lhdf5的错误， 解决方案： 在计算机中搜索libhdf5_serial.so.10.1.0，找到后右键点击打开项目位置 该目录下空白处右键点击在终端打开，打开新终端输入 sudo ln libhdf5_serial.so.10.1.0 libhdf5.so sudo ln libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so 最后在终端输入sudo ldconfig使链接生效 注意每次编译不成功的话注意终端输入 make clean 清除之前编译没通过的release文件夹 8）测试python，终端输入 cd caffe/python >>> python >>> import caffe 如果不报错就说明编译成功了;如果报错，可能是你某些依赖python包未装，通过pip或者apt装上。 如果ok了，请把这句话添加到~/.bashrc `export PYTHONPATH=<YourHome>/caffe/python:$PYTHONPATH` 9）可以进行mnist测试 下载mnist数据集，终端输入 `cd /home/pawn/caffe/data/mnist/ ` `./get_mnist.sh` 获取mnist数据集 在/home/pawn/caffe/data/mnist/目录下会多出训练集图片、训练集标签、测试集图片和测试集标签等4个文件 mnist数据格式转换，终端输入 cd /home/pawn/caffe/ ./examples/mnist/create_mnist.sh 必须要在第一行之后运行第二行，即必须要在caffe根目录下运行create_mnist.sh 此时在/caffe/examples/mnist/目录下生成mnist_test_lmdb和mnist_train_lmdb两个LMDB格式的训练集和测试集 LeNet-5模型描述在/caffe/examples/mnist/lenet_train_test.prototxt Solver配置文件在/caffe/examples/mnist/lenet_solver.prototxt 训练mnist，执行文件在/caffe/examples/mnist/train_lenet.sh 终端输入 cd /home/pawn/caffe/ ./examples/mnist/train_lenet.sh 测试结果如下 出现概率就对了 cafffe之旅就可以了。