這篇安裝指南，適合零基礎，新手操作，請高手勿要吐槽！

簡單介紹一下：Caffe，一種ConvolutionalNeural Network的工具包，和Alex的cuda-convnet功能類似，但各有特點。都是使用C++CUDA進行底層編輯，Python進行實現，原作主要部署於Ubuntu，也有大神釋出了Windows版，但其他相關資料較少，不適合新手使用，所以還是Ubuntu的比較適合新手。（相對而言）

本文主要包含3個部分，包括：

• 第一部分Linux安裝

• 第二部分nVidiaCUDA Toolkit的安裝（*.deb方法）

• 第三部分Caffe-Master的安裝和測試

第一部分

Linux安裝

Linux的安裝，如果不是Linux粉，只是必須，被迫要用它來作作科研什麼的，建議安裝成雙系統，網上方法很多，這裡我就不詳細寫了，安裝還算是傻瓜式的，和windows的過程類似，至於語言，如果覺得難度還不夠大的話，完全可以裝E文版的，甚至日文，德文~~~，我是裝的簡體中文版，我總共用分出的500G的空間來安裝Ubuntu14.04，這個版本是最新的版本，有個好處是，可以直接訪問Windows8.1的NTFS分割槽，不用做額外的操作，而且支援中文，例如：$cd /media/yourname/分割槽名字/資料夾名，當然GUI就更方便了.

我的分割槽設定如下：

根分割槽：\100G，

Swap

交換分割槽：128G，這裡設定為何記憶體一樣，據說小於16G的記憶體，就設定成記憶體的1.5-2倍

boot分割槽：200M

Home分割槽：剩餘的空間，鑑於Imagenet，PASCALVOC之類的大客戶，建議500G，至少300G以上。

PS：解決啟動分割槽錯誤

基本上，重灌起來，都會破壞原來的啟動分割槽表，還原Windows分割槽的一個簡單辦法：

$sudo gedit etc/default/grub

設定：GRUB_DEFAULT= 2 #後面的數字為預設啟動的選項，想預設啟動哪個系統就改為對應的編號

$sudo update-grub

該方法適用於安裝雙系統後，"看得到Linux

，看不到Windows”的情況，反過來的話，請大家自己百度吧。

第二部分：nVidiaCUDA Toolkit的安裝（*.deb方法）

PS：特別推薦*.deb的方法，目前已提供離線版的deb檔案，該方法比較簡單，不需要切換到tty模式，因此不再提供原來的*.run安裝方法，這裡以CUDA7.5為例。

一、CUDARepository

首先CD到安裝包所在路徑，我的檔案下載到/home/user/Downloads的這個資料夾，直接在終端CD到該資料夾即可。

$cd ~/Downloads

$sudo dpkg -i cuda-repo-ubuntu1504-7-5-local_7.5-18_amd64.deb

$sudo apt-get update

$sudo apt-get install -y cuda

二、安裝cudasample

$cd /usr/local/cuda-7.5/samples

$sudo make –j32

全部編譯完成後，進入samples/bin/x86_64/linux/release,sudo下執行deviceQuery

$sudo./deviceQuery

如果出現下列顯示卡資訊，則驅動及顯示卡安裝成功：

$./deviceQuery Starting...

CUDADevice Query (Runtime API) version (CUDART static linking)

Detected1 CUDA Capable device(s)

Device0: "GeForce GTX 670"

CUDADriver Version / Runtime Version 6.5 / 6.5

CUDACapability Major/Minor version number: 3.0

Totalamount of global memory: 4095 MBytes (4294246400bytes)

(7) Multiprocessors, (192) CUDA Cores/MP: 1344 CUDA Cores

GPUClock rate: 1098 MHz (1.10 GHz)

MemoryClock rate: 3105 Mhz

MemoryBus Width: 256-bit

L2Cache Size: 524288 bytes

MaximumTexture Dimension Size (x,y,z) 1D=(65536), 2D=(65536, 65536),3D=(4096, 4096, 4096)

MaximumLayered 1D Texture Size, (num) layers 1D=(16384), 2048 layers

MaximumLayered 2D Texture Size, (num) layers 2D=(16384, 16384), 2048 layers

Totalamount of constant memory: 65536 bytes

Totalamount of shared memory per block: 49152 bytes

Totalnumber of registers available per block: 65536

Warpsize: 32

Maximumnumber of threads per multiprocessor: 2048

Maximumnumber of threads per block: 1024

Maxdimension size of a thread block (x,y,z): (1024, 1024, 64)

Maxdimension size of a grid size (x,y,z): (2147483647, 65535, 65535)

Maximummemory pitch: 2147483647 bytes

Texturealignment: 512 bytes

Concurrentcopy and kernel execution: Yes with 1 copy engine(s)

Runtime limit on kernels: Yes

IntegratedGPU sharing Host Memory: No

Supporthost page-locked memory mapping: Yes

Alignmentrequirement for Surfaces: Yes

Devicehas ECC support: Disabled

Devicesupports Unified Addressing (UVA): Yes

DevicePCI Bus ID / PCI location ID: 1 / 0

ComputeMode:

<Default (multiple host threads can use ::cudaSetDevice() with devicesimultaneously) >

deviceQuery,CUDA Driver = CUDART, CUDA Driver Version = 6.5, CUDA Runtime Version= 6.5, NumDevs = 1, Device0 = GeForce GTX 670

Result= PASS

如果sample測試沒有通過，一般是顯示卡驅動的問題，根據提示可以先在NVIDIA官網上下載Linux下最新的顯示卡驅動，一般名稱是*.run，調出終端，輸入：

$sudo gedit /etc/modprobe.d /blacklist.conf

在blacklist.conf檔案最後加上

blacklistnouveau

blacklistlbm-nouveau

optionsnouveau modest=0

aliasnouveau off

aliaslbm-nouveau off

或者

• blacklistvga16fb

• blacklistnouveau

• blacklist rivafb

• blacklistnvidiafb

• blacklist rivatv

• （這裡有一行空格）

 然後刪除解除安裝舊NVIDIA驅動。

• sudo apt-get–purge remove nvidia-*(需要清除乾淨)

• sudo apt-get–purge remove xserver-xorg-video-nouveau

然後按CTRL+ALT+F2進入tty2模式，進入系統後輸入：

$sudo services lightdm stop

Cd到*.run檔案所在的資料夾中，執行：

$sudo chmod –R 777 *.run

$./*.run

驅動安裝完成後，輸入：

$sudo services lightdm start

能啟動證明驅動安裝沒問題

$sudo reboot

重啟電腦

檢視驅動型號：

$sudonvidia-smi

重新安裝cuda，直到sample測試通過。

第三部分Caffe的安裝和測試

對於Caffe的安裝嚴格遵照官網的要求來：http://caffe.berkeleyvision.org/installation.html

一、安裝BLAS

ATLAS是做線性代數運算的，還有倆可以選：一個是Intel的MKL，這個要收費，還有一個是OpenBLAS，這個比較麻煩；但是執行效率ATLAS< OpenBLAS < MKL

我就用ATLAS咯：

sudoapt-get install libatlas-base-dev 

2.新建cuda.conf，並編輯之：

$sudo gedit /etc/ld.so.conf.d/cuda.conf

/usr/local/cuda/lib64

/lib

3.完成lib檔案的連結操作，執行：

$sudo ldconfig -v

二、安裝其他依賴項

1.Google LoggingLibrary（glog），下載地址：https://code.google.com/p/google-glog/，然後解壓安裝：

下載完成後第一件事仍然CD到儲存該安裝包的資料夾中,我的是在/home/user/Downloads資料夾中，所以這樣寫：

$cd ~/Downloads

$tar zxvf glog-0.3.3.tar.gz

$cd ~/Downloads/glog-0.3.3

$./configure

$make

$sudo make install

如果沒有許可權就chmoda+x glog-0.3.3 -R , 或者索性chmod777 glog-0.3.3 -R , 裝完之後，這個資料夾就可以kill了。

2.其他依賴項，確保都成功

$sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-devlibopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-devlibgoogle-glog-dev liblmdb-dev protobuf-compiler protobuf-c-compilerprotobuf-compiler

三、安裝Caffe並測試

1.安裝pycaffe必須的一些依賴項：

$sudo apt-get install -y python-numpy python-scipy python-matplotlibpython-sklearn python-skimage python-h5py python-protobufpython-leveldb python-networkx python-nose python-pandaspython-gflags Cython ipython

2.安裝配置nVidiacuDNN 加速Caffe模型運算

a.安裝前請去先官網下載最新的cuDNN(cudnn-7.0-linux-x64-v4.0-prod)。下載完成後直接雙擊安裝包，把裡面的檔案CUDA拖到Downloads資料夾中,這一步很重要，要不然後面編譯都不知道錯在哪裡了

$cd ~/Downloads/CUDA

相關推薦