上一篇文章说了如何在Ubuntu 16.04安装Cuda8.0。 在Ubuntu 16.04完整安装Caffe2的话，安装顺序为：
安装Cuda8.0------>安装cuDNN8.0---->源码编译安装Caffe2。首先根据上一篇本人文章Ubuntu 16.04安装Cuda8.0安装Cuda8.0。 然后下载安装cuDNN8.0。 CuDNN是专门针对Deep Learning框架设计的一套GPU计算加速方案，目前支持的DL库包括Caffe，ConvNet, Torch7等。 CuDNN可以在官网免费获得，注册帐号后才能下载。 先附上个无需注册就可以下载的 cudnn-8.0-linux-x64-v5.1.tgz的地址： cudnn-8.0-linux-x64-v5.1.tgz 下载完毕后，进入下载该文件的路径，执行下面命令：
sudo tar -xzf cudnn-8.0-linux-x64-v5.1.tgz -C /usr/local注意，最后存放解压文件的目录必须是/usr/local，否则会导致后面caffe2的安装失败！ 至此，cuDNN8.0安装完毕。
接下来安装依赖：
sudo apt-get update sudo apt-get install -y --no-install-recommends \ build-essential \ cmake \ git \ libgoogle-glog-dev \ libprotobuf-dev \ protobuf-compiler \ python-dev \ python-pip sudo pip install numpy protobuf sudo apt-get install -y --no-install-recommends libgflags-dev sudo apt-get install -y --no-install-recommends \ libgtest-dev \ libiomp-dev \ libleveldb-dev \ liblmdb-dev \ libopencv-dev \ libopenmpi-dev \ libsnappy-dev \ openmpi-bin \ openmpi-doc \ python-pydot sudo pip install \ flask \ graphviz \ hypothesis \ jupyter \ matplotlib \ pydot python-nvd3 \ pyyaml \ requests \ scikit-image \ scipy \ setuptools \ tornado至此，依赖安装完毕！ 由于caffe2只支持源码安装，所以需要克隆caffe2在github的源码，github地址
git clone https://github.com/caffe2/caffe2.git cd caffe2 make cd build sudo make install写一下在这理踩的坑吧： 1.make的时候提示：
usr/bin/ld: 找不到 -lXXX解决方案：
A.找到本地的libGL.so 文件路径 ，在终端执行： locate libxxx.so
B.建立链接： sudo ln -s /usr/lib/x86_64-linux-gnu/libGL.so.1.0.0 /usr/lib/libGL.so 具体的文件和路径替换成自己对应的文件和路径即可。 2.make的时候提示：/x86_64-linux-gnu/lib对乱七八糟的变量未定义，在～/.bashrc最后加入：
export LD_LIBRARY_PATH="/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH"然后
source ~/.bashrc再重新make编译，完美运行通过！
