此博文是我與@Issac_33歷時3天安裝完成，已在NVIDIA GTX970顯示卡的電腦與NVIDIA GeForce 840M顯示卡的電腦上測試通過。 如果出現問題請及時指正或留言。一定要使用16.04的系統，不推薦使用15.10的系統，否則前方無限坑！！！！！！

需要下載的東西

安裝步驟

1. 安裝NVIDIA驅動nvidia-367.57

   1. 在Ubuntu的設定裡面進行驅動的安裝，開啟System Settings -> System Settings -> Software & updates -> Additional Driver 進行安裝，截圖如下
      
      
      
      • 安裝下載會耗費一段的時間，安裝結束需要對電腦進行重啟即可

   2. 驗證安裝成功

      • 搜尋nvidia，如果出現瞭如下的介面介面即說明安裝成功
        

      

      • 同樣，也可在命令列輸入如下的命令

        sudo nvidia-smi

        如果出現如下的介面即說明安裝成功
        

   3. 注意：驅動下載安裝完之後一定要重啟，不能登出再登入，否則會出現電腦黑屏並輸入各種亂七八糟的資訊！

2. 安裝Anaconda2

   wget https://repo.continuum.io/archive/Anaconda2-4.2.0-Linux-x86_64.sh
   sudo bash Anaconda2-4.2.0-Linux-x86_64.sh #接下來按提示一步一步安裝即可
    
   

3. 安裝各種的依賴庫，在命令列輸入如下的命令

   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 libopenblas-dev liblapack-dev libatlas-base-dev
   sudo apt-get install libgflags-dev
    
    libgoogle-glog-dev liblmdb-dev

   安裝的時候一定要注意是否都成功的下載並安裝上了

   1. 如果遇到安裝的依賴項的問題，可以執行如下的命令進行修復

      sudo apt-get install -f

   2. 如果遇到Hash sum dismatch問題，則依據提示的.deb地址進行先下載再安裝，如果使用了阿里雲的軟體源，則使用第二種方法也可解決

      
      #一個例子
      
      wget https://xxx/ppp.deb
      sudo dpkg -i ppp.deb

      sudo vim /etc/resolv.conf
      
      # 加上下面的幾句話
      
      nameserver 202.96.134.133
      nameserver 202.96.128.68

4. 安裝cuda 8.0

   1. 點此進入cuda下載介面，下載的介面如下圖
      
      
      • 注意在此處一定下載 .run檔案的，否則後方有無限的坑！！

   2. 下載完成後在cuda 8 的下載目錄開啟命令列輸入以下的命令進行cuda-8的安裝

      sudo sh cuda_8.0.44_linux-run

      之後按照提示一步一步的安裝就行了，但是 Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62 出現時一定要選擇否，因為之前已經安裝過了nvidia顯示卡的驅動

   3. 環境變數配置

      • 開啟~/.bashrc檔案:

        sudo vim ~/.bashrc

      • 將以下內容寫入到~/.bashrc尾部：

        export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
        export LD_LIBRARY_PATH=/usr/local/cuda8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

      • 儲存之後，輸入如下的命令使配置生效

        source ~/.bashrc

   4. 測試CUDA的sammples,執行如下的命令

      cd /usr/local/cuda-8.0/samples
      sudo make all
      cd ./1_Utilities/deviceQuery
      sudo make
      ./deviceQuery

      出現如下的介面即證明安裝成功
      

5. 安裝 cudnn v5.1

   1. cuDNN是GPU加速計算深層神經網路的庫，下載cudnn v5.1要進入官網進行下載，可能需要註冊
      

   2. 進入下載的目錄，執行如下的命令

      tar zxvf cudnn-8.0-linux-x64-v5.1.tgz       #解壓
      cd cuda/include         #進入include目錄
      sudo cp cudnn.h /usr/local/cuda/include/    #複製標頭檔案
      cd ../lib64        #進入lib64目錄
      sudo cp lib* /usr/local/cuda/lib64/    #複製動態連結庫
      cd /usr/local/cuda/lib64/
      sudo rm -rf libcudnn.so libcudnn.so.5  #刪除原有動態檔案
      
      # 以下的兩步設定軟連線時，一定要注意自己電腦的/usr/local/cuda/lib64/下的libcudnn.so.5.1.5名字，有的可能是libcudnn.so.5.0.5等，要依據自己的電腦上的檔案來定
      
      sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5                      #生成軟連結
      sudo ln -s libcudnn.so.5 libcudnn.so                            #生成軟連結

6. 安裝opencv3.0.0

   注意，前方多坑，請仔細看！！！

   1. 搭建編譯環境

      sudo apt-get install build-essential

   2. 安裝依賴庫

      sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
      sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

   3. 下載並解壓opencv

      cd ~
      wget https://github.com/Itseez/opencv/archive/3.0.0-alpha.zip -O opencv-3.0.0-alpha.zip   #下載opencv
      unzip opencv-3.0.0-alpha.zip    #解壓opencv

   4. 程式碼修改，為了使得之後opencv的編譯可以通過，需要做如下的修改

      • 開啟opencv-3.0.0-alpha/modules/cudalegacy/src/cuda/NCVPixelOperations.hpp

        刪除51-58行，61-68行，119-133行的static

      • 開啟opencv-3.0.0-alpha/modules/cudastereo/src/cuda/stereocsbp.cu

        刪除62,66,74行的static

      • 開啟opencv-3.0.0-alpha/modules/cuda/src/graphcuts.cpp

        修改第45行的程式碼

      
      #if !defined (HAVE_CUDA) || defined (CUDA_DISABLER)
      

      改為

      
      #if !defined (HAVE_CUDA) || defined (CUDA_DISABLER) || (CUDART_VERSION>=8000)
      

      至此，對於程式碼的修改就此完畢，下面進行編譯

   5. 編譯opencv

      cd ~/opencv-3.0.0-alpha      #進入opencv-3.0.0-alpha資料夾
      mkdir build
      cd build
      
      # 直接cmake .. 會出現nvcc fatal : Unsupported gpu architecture'compute_11'錯誤
      
      sudo cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D CUDA_GENERATION=Kepler .. 
      make all -j4 #多核運算進行編譯，此步的耗時較長，請耐心等待
      sudo make install #上一步進行的是編譯，此步進行的是安裝

      至此，opencv的編譯安裝就此完畢

7. 安裝caffe

   1. 下載caffe

      cd ~
      sudo apt-get install git #沒有git的使用者需要進行此步
      git clone https://github.com/BVLC/caffe.git #下載caffe

   2. 將原Makefile.config.example複製為Makefile.config並做如下的修改

      • 使用了cuDNN，取消相應註釋

        
        #USE_CUDNN := 1 #註釋取消改為下一行
        
        USE_CUDNN := 1

      • 使用了opencv 3.0的版本，取消相應註釋

        
        #OPENCV_VERSION := 3 #註釋取消改為下一行
        
        OPENCV_VERSION := 3

      • 使用了openblas

        BLAS := open # 將這句話的後面改為open

      • 修改INCLUDE_DIRS與LIBRARY_DIRS

        INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include #改為下面一行,否則出現fatal error: hdf5.h: No such file or directory
        INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
        
        LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib #改為下面一行
        LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial

      • 由於使用了Anaconda2，需要取消Anaconda相關的註釋，並正確地配置路徑

        ANACONDA_HOME := $(HOME)/anaconda2 #取消這一行的註釋，並且在後面寫上正確的anacond路徑
        
        #配置相應的include路徑
        
        PYTHON_INCLUDE := $(ANACONDA_HOME)/include \
        $(ANACONDA_HOME)/include/python2.7 \
        $(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include \
        PYTHON_LIB :=$(ANACONDA_HOME)/lib #取消註釋
        

      • 若要使用python來編寫layer，取消相應註釋

        
        #WITH_PYTHON_LAYER := 1
        
        WITH_PYTHON_LAYER := 1

   3. 修改Makefile

      NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)     #替換為下面一行
      NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
      
      LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5     #修改為下面一行,否則出現fatal error: hdf5.h: No such file or directory
      LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl 

   4. 編譯安裝caffe

      cd ~/caffe   #進入你的caffe目錄
      mkdir build  
      cmake ..
      make all -j4 #使用4執行緒編譯
      make runtest #測試

      • make all -j4 成功之後的結果圖如下
        

      • make runtest 成功後的結果如下圖
        

      • 錯誤/anaconda2/lib/libstdc++.so.6: version `GLIBCXX_3.4.20’ not found ,做如下的操作

        cd ~/anaconda2/lib
        mv -vf libstdc++.so.6 libstdc++.so.6.old   #備份原來的libstdc++.so.6
        ln -s /usr/lib/x86_64-linux-gnu/libstdc++.so.6 ./libstdc++.so.6 #建立新的軟連線

        之後重新從 make all -j4 開始

8. 配置pycaffe介面

   • 安裝protobuf

     conda install protobuf

   • 進入caffe/build目錄，進行編譯

     cd ~/caffe/build
     make pycaffe

   • 新增~/caffe/Python到$PYTHONPATH

     gedit ~/.bashrc
     
     #在開啟的.bashrc的末尾新增下面一行
     
     export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH #注意/path/to/caffe修改為你自己的caffe路徑，此處是~/caffe
     source ~/.bashrc

   • 驗證caffe是否可以成功的匯入
     

   • 如果出現libcudart.so.8.0: cannot open shared object file: No such file or director則進行以下操作

     sudo find /* -name libcudart.so.8.0   #在電腦查詢libcudart.so.8.0
     
     #例如查詢到/usr/local/lib64/libcudart.so.8.0,則進行如下的操作
     
     sudo ln -s /usr/local/cuda-8.0/lib64/libcudart.so.8.0 /usr/lib/libcudart.so.8.0

參考連結