在ubuntu14.04下配置caffe主要有以下步骤：

NVIDIA驱动以及cuda和cudnn的安装配置 Intel MKL的安装配置MATLAB的安装配置OpenCV的安装配置Anaconda以及pycuda的安装配置caffe的安装编译

本文介绍caffe的安装编译

注意：在安装前，请确保显卡驱动、cuda、MKL、matlab、opencv、python依赖包都已正确安装和配置。

1.安装编译glog

下载地址：https://code.google.com/p/google-glog/ 鉴于某些原因，这里将该资源传到这里方便大家下载：http://download.csdn.net/detail/budf01/9686363 下载后进入下载目录，执行： tar zxvf glog-0.3.3.tar.gz chmod a+x glog-0.3.3 -R cd glog-0.3.3 ./configure sudo make sudo make install

2.安装依赖项

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler sudo apt-get install --no-install-recommends libboost-all-dev sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

3.下载caffe

建议先fork到自己的github，再git clone自己的caffe-master 或者直接： git clone git@github.com:BVLC/caffe.git （有关git的用法就不在这里讲了，不需要用git就直接下载https://github.com/BVLC/caffe/） 下载后，通过以下命令生成Makefile.config： cd caffe cp Makefile.config.example Makefile.config

4.配置Makefile.config：

1.启用cudnn （如果没有安装cudnn或者不支持cudnn请忽略） 去掉第5行前面的#： USE_CUDNN := 1 2.启用MKL 第46行修改为： BLAS := mkl 3.启用matlab 第59行修改为：(修改为你自己的matlab路径) MATLAB_DIR :=/usr/local/MATLAB/R2015b 4.配置python路径 第79行： PYTHON_LIB :=/usr/local/lib 如果安装了anaconda，可将关于anaconda的内容取消注释，并将ANACONDA_HOME改为自己的安装路径 5.其他 第90行： INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/include /usr/include

5.编译

make all -j4 //将4修改为你的cpu内核数，几核就改成几，可加快编译速度 make test -j4 make runtest -j4 make pycaffe -j4 make matcaffe -j4 在make runtest时出现错误： [  FAILED  ] 6 tests, listed below: [  FAILED  ] SGDSolverTest/0.TestSnapshotShare, where TypeParam = caffe::CPUDevice<float> [  FAILED  ] AdaGradSolverTest/0.TestSnapshotShare, where TypeParam = caffe::CPUDevice<float> [  FAILED  ] NesterovSolverTest/0.TestSnapshotShare, where TypeParam = caffe::CPUDevice<float> [  FAILED  ] AdaDeltaSolverTest/0.TestSnapshotShare, where TypeParam = caffe::CPUDevice<float> [  FAILED  ] AdamSolverTest/0.TestSnapshotShare, where TypeParam = caffe::CPUDevice<float> [  FAILED  ] RMSPropSolverTest/0.TestSnapshotShare, where TypeParam = caffe::CPUDevice<float>   网络上有人使用export MKL_CBWR=AUTO，在重新make runtest通过，但是我在尝试时并没有解决。 如果大家有好的解决办法欢迎留言。

6.使用MNIST数据集进行测试 

1.数据准备： cd $CAFFE_ROOT ./data/mnist/get_mnist.sh ./examples/mnist/create_mnist.sh 2.训练和测试mnist ./examples/mnist/train_lenet.sh