原文网址：http://blog.csdn.net/liuxiabing150/article/details/42503389 粘过来代码显示了两遍，但是不妨碍学习
caffe是一个简洁高效的深度学习框架，具体介绍可以看这里http://caffe.berkeleyvision.org/，caffe环境配置过程可以参考这里：http://caffe.berkeleyvision.org/installation.html，我在搭建环境时搜集了许多资料，这里整理了一下，介绍一下caffe在无CUDA的环境下如何配置。
1. 安装build-essentials
安装开发所需要的一些基本包
[html]
view plain
copy
print
?
sudo apt-get install build-essential
sudo apt-get install build-essential如果出现essential包不可用的情况，可以执行下列命令解决：
[html]
view plain
copy
print
?
sudo apt-get update
sudo apt-get update
2. 安装ATLAS for Ubuntu
执行命令:
[html]
view plain
copy
print
?
sudo apt-get install libatlas-base-dev
sudo apt-get install libatlas-base-dev注：ATLAS, MKL,或OpenBLAS都可以，我这里选择安装ATLAS
3. 安装OpenCV 这个尽量不要手动安装， Github上有人已经写好了完整的安装脚本：https://github.com/jayrambhia/Install-OpenCV 下载该脚本，解压”.zip”文件,解压命令:
[html]
view plain
copy
print
?
unzip /home/liuxiabing/下载/Install-OpenCV-master.zip
unzip /home/liuxiabing/下载/Install-OpenCV-master.zip
进入解压后的文件中的Ubuntu/2.4 目录（我的目录是/home/liuxiabing/Install-OpenCV-master/Ubuntu/2.4）, 给所有shell脚本加上可执行权限：
[html]
view plain
copy
print
?
chmod +x *.sh
chmod +x *.sh 然后安装最新版本 （当前为2.4.10）：
注：原来安装的是2.4.9，但这个版本存在bug，会出现这样的错误：NCVPixelOperations.hpp(51): error: a storage class is not allowed in an explicit specialization 解决该问题需要更换NCVPixelOperations.hpp，但现在这个hpp文件下载链接失效了，所以安装2.4.10版本最好，这个版本不存在任何bug，可以顺利安装成功。
[html]
view plain
copy
print
?
sudo ./opencv2_4_9.sh
sudo ./opencv2_4_9.sh
4. 安装其他依赖项
Ubuntu14.04用户执行
[html]
view plain
copy
print
?
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 libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler
使用其它系统的可以参考官网介绍。
注：如果上述命令运行时，系统提示“存在依赖关系，不能安装之类的”，可以使用
[html]
view plain
copy
print
?
sudo apt-get update
sudo apt-get update 之后如果还存在问题，可以分开，一个一个单独安装，例如：
[html]
view plain
copy
print
?
sudo apt-get install libprotobuf-dev sudo apt-get install libleveldb-dev
sudo apt-get install libprotobuf-dev
sudo apt-get install libleveldb-dev 如果还是不能安装，可以在“Ubuntu软件中心-编辑-软件源”中的“更新”中选择前两个，即“重要安全更新”，“推荐更新”，其他都不选，之后在“其它软件”中选择后两个，即两个“独立”，其他都不选，然后运行命令：
[html]
view plain
copy
print
?
sudo apt-get update
sudo apt-get update
之后再运行安装命令即可安装成功。
5. 安装python
首先安装pip和python-dev （系统默认有python环境的， 不过我们需要的使python-dev）
[html]
view plain
copy
print
?
sudo apt-get install python-dev python-pip
sudo apt-get install python-dev python-pip然后执行如下命令安装编译caffe python wrapper 所需要的额外包（注意：需要先进入目录/caffe-master/python/下，再执行这个命令）：
[html]
view plain
copy
print
?
for req in (cat requirements.txt); do sudo pip install req; done
for req in $(cat requirements.txt); do sudo pip install $req; done 这条命令表示 检查requirements.txt里面的库是否都有安装， 如果没有， 那么用pip来安装。
当然也可以打开requirements.txt文件，单独分别安装各个包，例如安装命令：
[html]
view plain
copy
print
?
sudo pip install Cython
sudo pip install Cython 如果安装过程中出现错误，可以参考csdn博客：
安装Caffe的Python wrapper时出现问题的解决方法
注：（1）如果requirements.txt中所有的包都成功安装了，则不再需要安装Anaconda了。
（2）安装完成后，可以查看一下当前用的是哪个Python，确保该python是系统自带的python，而不是Anaconda包中的python。查看命令：
[html]
view plain
copy
print
?
which python which pip
which python
which pip
（3）安装完成后，打开bashrc，添加环境变量PYTHONPATH，相关命令如下所示：
[html]
view plain
copy
print
?
echo
PYTHONPATH </span></span></li><li class=""><span>vi ～/.bashrc </span></li></ol><div class="save_code tracking-ad" data-mod="popu_249"><a href="javascript:;" target="_blank"><img src="http://static.blog.csdn.net/images/save_snippets.png"></a></div></div><pre name="code" class="html" style="display: none;">echoPYTHONPATH vi ～/.bashrc 打开bashrc之后，在最后一行添加下列语句：
[html]
view plain
copy
print
?
export
PYTHONPATH=/home/liuxiabing/caffe-master/python
export PYTHONPATH=/home/liuxiabing/caffe-master/python 保存并退出之后，执行下列命令使之立即生效：
[html]
view plain
copy
print
?
sudo ldconfig
sudo ldconfig 之后，使用下列命令查看当前的PYTHONPATH内容：
[html]
view plain
copy
print
?
echo
PYTHONPATH </span></span></li></ol><div class="save_code tracking-ad" data-mod="popu_249"><a href="javascript:;" target="_blank"><img src="http://static.blog.csdn.net/images/save_snippets.png"></a></div></div><pre name="code" class="html" style="display: none;">echoPYTHONPATH
如果PYTHONPATH中是空的，需要在命令行执行一下下列命令：
[html]
view plain
copy
print
?
export
PYTHONPATH=/home/liuxiabing/caffe-master/python
export PYTHONPATH=/home/liuxiabing/caffe-master/python 6. 安装matlab
Caffe提供了MATLAB接口， 有需要用MATLAB的同学可以额外安装MATLAB。 安装教程请自行搜索。 我安装的是matlabR2013b，直接按照教程安装即可。 7. 编译Caffe 完成了上述环境的配置，就可以编译Caffe了！ 下载caffe安装包,下载地址:https://github.com/BVLC/caffe 解压该压缩包，解压缩命令:
[html]
view plain
copy
print
?
unzip /home/liuxiabing/下载/caffe-master.zip
unzip /home/liuxiabing/下载/caffe-master.zip
注:如果解压位置出错了,可以使用以下命令删除该目录及所有的子目录:
[html]
view plain
copy
print
?
sudo rm -rf caffe-master
sudo rm -rf caffe-master
进入caffe根目录， 首先复制一份Makefile.config，命令：
[html]
view plain
copy
print
?
cp Makefile.config.example Makefile.config
cp Makefile.config.example Makefile.config
然后修改里面的内容，主要需要修改的参数包括：
CPU_ONLY 是否只使用CPU模式，由于我没有NVIDIA的显卡，就没有安装CUDA，因此需要打开这个选项（即把前面的#去掉）。 其余的一些配置可以根据需要修改： BLAS (使用intel mkl还是OpenBLAS，默认是atlas，如果安装的是atlas，就不用修改了) MATLAB_DIR 如果需要使用MATLAB wrapper的同学需要指定matlab的安装路径, 如我的路径为 /usr/local/MATLAB/R2013b (注意该目录下需要包含bin文件夹，bin文件夹里应该包含mex二进制程序)
我的MATLAB_DIR修改完是这样的：
[html]
view plain
copy
print
?
MATLAB_DIR
:= /usr/local/MATLAB/R2013b # MATLAB_DIR
:= /Applications/MATLAB_R2012b.app
MATLAB_DIR := /usr/local/MATLAB/R2013b
# MATLAB_DIR := /Applications/MATLAB_R2012b.app
关于python的配置，我没有修改，直接使用默认的就行了。
DEBUG 是否使用debug模式，打开此选项则可以在eclipse或者NSight中debug程序
注：在Makefile.config中，”#”表示注释
完成上述设置后，开始编译（编译也是在/caffe-master目录下进行的）：
[html]
view plain
copy
print
?
make all -j4 make test make runtest
make all -j4
make test
make runtest 注意：-j4 是指使用几个线程来同时编译，可以加快速度，j后面的数字可以根据CPU core的个数来决定，如果CPU是4核的，则参数为-j4，也可以不添加这个参数，直接使用“make all”，这样速度可能会慢一点儿。
注：如果编译后出错了，修改完配置文件Makefile.config后重新编译，会提示“make 没有什么可编译的了”，可以试试这个方法：先运行命令
[html]
view plain
copy
print
?
make clean
make clean
之后再运行命令：
[html]
view plain
copy
print
?
make all make test make runtest
make all
make test
make runtest
8.编译matlab wrapper
在根目录下（/caffe-master）执行命令：
[html]
view plain
copy
print
?
make matcaffe
make matcaffe
9.编译python wrapper
在根目录下（/caffe-master）执行命令：
[html]
view plain
copy
print
?
make pycaffe
make pycaffe
10.使用MNIST数据集进行测试
Caffe默认情况会安装在
CAFFEROOT，就是解压到的那个目录，例如：
home/username/caffe-master，所以下面的工作， 默认已经切换到了该工作目录。下面的工作主要是测试Caffe是否工作正常，不做详细评估。具体设置请参考官网： http://caffe.berkeleyvision.org/gathered/examples/mnist.html (1)数据预处理 可以用下载好的数据集，也可以重新下载，直接下载的具体操作如下：
[html]
view plain
copy
print
?
cd data/mnist </span></span></li><li class=""><span> sudo sh ./get_mnist.sh
$ cd data/mnist
$ sudo sh ./get_mnist.sh</pre><span style="font-weight:normal"><span style="font-size:14px"> (2)重建LDB文件，就是处理二进制数据集为Caffe识别的数据集，以后所有的数据，包括jpe文件都要处理成这个格式，执行命令如下：</span></span><span style="font-size:14px; font-weight:normal"> </span><div class="dp-highlighter bg_html"><div class="bar"><div class="tools"><b>[html]</b> <a href="#" class="ViewSource" title="view plain" οnclick="dp.sh.Toolbar.Command('ViewSource',this);return false;">view plain</a><span data-mod="popu_168"> <a href="#" class="CopyToClipboard" title="copy" οnclick="dp.sh.Toolbar.Command('CopyToClipboard',this);return false;">copy</a><div style="position: absolute; left: 479px; top: 5592px; width: 18px; height: 18px; z-index: 99;"><embed id="ZeroClipboardMovie_30" src="http://static.blog.csdn.net/scripts/ZeroClipboard/ZeroClipboard.swf" loop="false" menu="false" quality="best" bgcolor="#ffffff" width="18" height="18" name="ZeroClipboardMovie_30" align="middle" allowscriptaccess="always" allowfullscreen="false" type="application/x-shockwave-flash" pluginspage="http://www.macromedia.com/go/getflashplayer" flashvars="id=30&width=18&height=18" wmode="transparent"></div></span><span data-mod="popu_169"> <a href="#" class="PrintSource" title="print" οnclick="dp.sh.Toolbar.Command('PrintSource',this);return false;">print</a></span><a href="#" class="About" title="?" οnclick="dp.sh.Toolbar.Command('About',this);return false;">?</a></div></div><ol start="1" class="dp-xml"><li class="alt"><span><span>$ sudo sh ./examples/mnist/create_mnist.sh
$ sudo sh ./examples/mnist/create_mnist.sh
生成mnist-train-leveldb/ 和 mnist-test-leveldb/文件夹，这里包含了LDB格式的数据集
注:新版caffe都需要从根目录上执行，如果使用下列命令执行：
[html]
view plain
copy
print
?
# cd examples/mnist # sudo sh ./create_mnist.sh
# cd examples/mnist
# sudo sh ./create_mnist.sh
可能会遇到这个错误：./create_mnist.sh: 16: ./create_mnist.sh: build/examples/mnist/convert_mnist_data.bin: not found
(3)训练mnist 如果没有GPU,只有CPU的话,需要先修改examples/mnist目录下lenet_solver.prototxt文件,将solver_mode:GPU改为 solver_mode:CPU，修改后结果如下所示：
[html]
view plain
copy
print
?
# solver mode: CPU or GPU solver_mode: CPU
# solver mode: CPU or GPU
solver_mode: CPU
修改时可以使用vi编辑命令(ubuntu14.0.4下也可以直接双击打开，修改后保存即可)，如果是只读文件，不能编辑，可以用sudo命令，比如:
[html]
view plain
copy
print
?
sudo vi lenet_solver.prototxt
sudo vi lenet_solver.prototxt
先进入命令模式，使用a进入编辑模式，修改完之后，使用esc退出编辑模式，进入末行模式，再使用“:wq”保存修改并退出(“:q!”为退出但不保存修改) 修改完成后，再在根目录下(即/caffe-master目录)执行下面的命令进行训练:
[html]
view plain
copy
print
?
sudo sh ./examples/mnist/train_lenet.sh </span></span></li></ol><div class="save_code tracking-ad" data-mod="popu_249"><a href="javascript:;" target="_blank"><img src="http://static.blog.csdn.net/images/save_snippets.png"></a></div></div><pre name="code" class="html" style="display: none;"> sudo sh ./examples/mnist/train_lenet.sh
最终训练完的模型存储为一个二进制的protobuf文件，至此，Caffe安装的所有步骤完结。
注:如果进入到mnist目录下执行这个sh命令，会出现错误。即这样操作
[html]
view plain
copy
print
?
cd ./examples/mnist sudo sh ./train_lenet.sh
cd ./examples/mnist
sudo sh ./train_lenet.sh
会有一个caffe-master/.build_release/tool/caffe找不到或不存在的错误。 参考资料: Caffe 实例测试一： MNIST http://blog.sciencenet.cn/blog-1583812-843207.html
Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置说明 http://www.cnblogs.com/platero/p/3993877.html CNN之Caffe配置
http://www.cnblogs.com/alfredtofu/p/3577241.html
Training LeNet on MNIST with Caffe http://caffe.berkeleyvision.org/gathered/examples/mnist.html Caffe+Ubuntu14.04+CUDA6.5新手安装配置指南 http://www.haodaima.net/art/2823705 caffe安装指南 http://www.haodaima.net/art/2823705
