有顯示卡可以安裝caffe的GPU版本，若沒有也可安裝cpu版本，CPU訓練速度慢 沒有GPU 直接跳過cuda和cudnn的安裝。

剛裝好的ubuntu系統，直接開始

安裝依賴項，終端輸入：

sudo apt-get install build-essential

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

sudo apt-get install --no-install-recommends libboost-all-dev  
sudo apt-get install libatlas-base-dev libgflags-dev libgoogle-glog-dev liblmdb-dev  
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler  
sudo apt-get install libblas-dev liblapack-dev libatlas-base-dev gfortran python-numpy  

如果中間出現有些包裝不上就按照提示先執行一次：
sudo apt-get update
再執行上述命令即可。

安裝cuda

將cuda包cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb複製到home下，執行：

sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda

等待安裝完成，重啟電腦。檢驗安裝資訊，終端輸入：
nvidia-smi

彈出相關GPU資訊，安裝成功。 

安裝cdunn5.1

終端輸入：cd 到home目錄下;
將cudnn-8.0-linux-x64-v5.1-tgz複製到home。執行如下程式碼解壓：
tar zxvf cudnn-8.0-linux-x64-v5.1-tgz

解壓在下載目錄下產生一個cuda目錄 
cd cuda/include/ 
sudo cp cudnn.h /usr/local/cuda/include/         複製標頭檔案 
cd ../lib64                                      開啟lib64目錄 
sudo cp lib* /usr/local/cuda/lib64/             複製庫檔案 
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*    

建立cudnn的連線

終端輸入 
cd /usr/local/cuda/lib64/ 
sudo rm -rf libcudnn.so libcudnn.so.5 
sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5 
sudo ln -s libcudnn.so.5 libcudnn.so 

設定環境變數，終端輸入 
sudo gedit /etc/profile 
在末尾加入 
PATH=/usr/local/cuda/bin:$PATH 
export PATH 
儲存後，建立連結檔案 
sudo vim /etc/ld.so.conf.d/cuda.conf      沒有vim可以sudo apt-get install vim

按a進入插入模式，增加下面一行 
/usr/local/cuda/lib64 
按esc退出插入模式，按:wq儲存退出 
最後在終端輸入
sudo ldconfig
使連結生效 

執行以下命令以訪問某些軟體包儲存庫：

# For Ubuntu 16.04
CUDA_REPO_PKG=http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_8.0.61-1_amd64.deb
ML_REPO_PKG=http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.deb

# Install repo packages
wget "$CUDA_REPO_PKG" -O /tmp/cuda-repo.deb && sudo dpkg -i /tmp/cuda-repo.deb && rm -f /tmp/cuda-repo.deb
wget "$ML_REPO_PKG" -O /tmp/ml-repo.deb && sudo dpkg -i /tmp/ml-repo.deb && rm -f /tmp/ml-repo.deb

# Download new list of packages
sudo apt-get update

依賴

使用Deb軟體包安裝一些依賴項：

sudo apt-get install --no-install-recommends git graphviz python-dev python-flask python-flaskext.wtf python-gevent python-h5py python-numpy python-pil python-pip python-scipy python-tk

下載原始碼

# example location - can be customized
DIGITS_ROOT=~/digits
git clone https://github.com/NVIDIA/DIGITS.git $DIGITS_ROOT

Python包

需要安裝幾個PyPI包：

sudo pip install -r $DIGITS_ROOT/requirements.txt

建築咖啡

DIGITS需要構建Caffe。我們正式只支援NVIDIA / caffe（NVcaffe）最近釋出的版本

使用Deb軟體包安裝一些依賴項：

sudo apt-get install --no-install-recommends build-essential cmake git gfortran libatlas-base-dev libboost-filesystem-dev libboost-python-dev libboost-system-dev libboost-thread-dev libgflags-dev libgoogle-glog-dev libhdf5-serial-dev libleveldb-dev liblmdb-dev libopencv-dev libsnappy-dev python-all-dev python-dev python-h5py python-matplotlib python-numpy python-opencv python-pil python-pip python-pydot python-scipy python-skimage python-sklearn

下載原始碼

DIGITS目前相容 Caffe 0.15

# example location - can be customized
export CAFFE_ROOT=~/caffe
git clone https://github.com/NVIDIA/caffe.git $CAFFE_ROOT -b 'caffe-0.15'

Python包

需要安裝幾個PyPI包：

sudo pip install -r $CAFFE_ROOT/python/requirements.txt

建立

我們推薦使用CMake來配置Caffe，而不是原始的Makefile版本來進行自動依賴檢測：

cd $CAFFE_ROOT
mkdir build
cd build
cmake ..
make -j"$(nproc)"
make install

啟動伺服器

cd digits
./digits-devserver

出現錯誤：digits caffe path erro

解決方法： 設定caffe的環境變數
echo "export CAFFE_ROOT=/home/neu/caffe/" >> ~/.bashrc （這裡的/home/neu是我電腦的絕對路徑，根據自己caffe安裝目錄自行更改）
source ~/.bashrc