ubuntu16.04+cuda8.0+cudnn5.1+caffe 安裝（基於獨立主機&整合顯示卡>X1080Ti）
最近開始配置自己的深度學習主機，由於之前只在筆記本上和單顯示卡主機上安裝過，所以可以說是zero經驗，以至於很多問題不瞭解都當成了bug，故為了方便以後的自己以及大眾，特在此寫下post一篇。（由於可能會有很多的問題我沒有遇到但各位可能遇到，故在文末貼出其他的安裝連結，請自取）
~~~~~~~~~~~~~~~~~~~~華麗麗分割線~~~~~~~~~~~~~~~~~~~~
一、ubuntu16.04安裝
1.首先當然是系統盤的製作，這個不作贅言，一般使用 UltraISO，具體度娘會告訴你；
2.緊接著就是安裝，如何安裝，如何分割槽，度娘也會一一告知，此處就說幾個不同之處：
1）首先，帶有獨立顯示卡的主機，通常有獨顯輸出和集顯輸出兩種埠，而獨顯是需要安裝驅動才可以使用的，所以最初裝系統的時候需要使用集顯輸出的埠，否則你可能完全進不去安裝介面
2）其次，在BOOT介面選擇啟動項的時候，對U盤啟動會出現兩個選項，第一個帶有字首UEFI，另一個這沒有。這是因為現在的主機板驅動一般有 BIOS 和 UEFI 兩種，雖說 UEFI 是BIOS 的繼任者，但 BIOS 才用起來 更加順手。更重要的是在用UEFI模式進行ubuntu16.04安裝的時候，在安裝後期會出現bug中斷，具體什麼不記得了，與grub有關，會導致系統無法啟動，而這與UEFI有莫大的關係，所以安全起見，選後不帶UEFI字首的，也就是BIOS模式進行系統安裝；
3）ubuntu16.04 安裝好之後，啟動可能會出現 grub rescue 故障，找不到 normal.mod，這可以通過我的另一篇 post 解決，附上解救指南：
3.至此，ubuntu16.04 算是安裝完畢，第一次撒花o(∩_∩)o
注：需要注意的是，目前我們也一直在使用整合顯示卡輸出！且直到安裝好nvidia驅動重啟都要一直使用整合顯示卡輸出！！！
二、各種依賴環境安裝：
sudo apt-get update sudo apt-get upgrade sudo apt-get install -y build-essential cmake git pkg-config sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler sudo apt-get install -y libatlas-base-dev sudo apt-get install -y --no-install-recommends libboost-all-dev sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev # (Python general) sudo apt-get install -y python-pip # (Python 2.7 development files) sudo apt-get install -y python-dev sudo apt-get install -y python-numpy python-scipy # (or, Python 3.5 development files) sudo apt-get install -y python3-dev sudo apt-get install -y python3-numpy python3-scipy # (OpenCV 2.4) sudo apt-get install -y libopencv-dev (or, OpenCV 3.X - see other blogs in the end of the post)
以上是caffe官方安裝指南的內容，親測好用無疑，其實文末的caffe官方安裝指南還是很不多錯的指南，只是在nvidia驅動、cuda、cudnn、open3.x方面很不足（貌似這些都是重點內容，結果都被caffe官方文件遮蔽了，手動滑稽(*^__^*) ）
注：在upgrade時，可能會提起缺少fireware，這個不是大問題，直接上網下載相應版本的韌體安裝即可
三、Nvidia驅動+cuda安裝
寫在安裝前：
1）其實在cuda的安裝中會涉及到nvidia驅動的安裝，但是屢次嘗試，總是會出現kernel souce的error，所以，還是提前安裝為好。
2）安裝nvidia驅動需要在命令列模式下，但有時可能會出現無法進入命令列或者進入命令列黑屏及顯示nouveau相關的error提示，這是可通過以下的改動進行修復，重啟後可能會出現螢幕顯示非常延遲卡頓的現象，這正常，因為我們把顯示驅動修改了。不過建議把需要的nvidia驅動、cuda和cudnn都下載好後再進行處理，否則如此卡頓會很憂傷的o(∩_∩)o
sudo gedit /etc/default/grub
# set GRUB_CMDLINE_LINUX_DEFAULT = "quiet splash nomodeset"
sudo update-grub
sudo reboot2.下載需要的cuda程式，下載runfile版本的，同樣附上飛行連結：CUDA下載
2.解除安裝之前安裝的nvidia驅動程式，新安裝的系統不需要的這一步，但依舊寫在此以告後人，因為nvidia驅動重複安裝會出現迴圈登入無法進入系統的問題，或者反過來說，迴圈登入無法進入系統一般都是由於顯示卡驅動出現問題導致的，解除安裝後重新安裝即可（如何解除安裝重灌）：
sudo apt-get remove –purge nvidia*sudo gedit /etc/modprobe.d/blacklist-nouveau.conf
# add blacklist nouveau option nouveau modeset=0
sudo update-initramfs -u再配置環境
sudo gedit ~/.bashrc
# add the following two lines
export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
source ~/.bashrc1）進入命令列模式（Ctrl+Alt+F1），並關閉桌面
sudo service lightdm stopsudo chmod a+x NVIDIA-Linux-x86_64-375.26.run # optional
sudo bash ./NVIDIA-Linux-x86_64-375.26.run5.進入cuda安裝檔案的資料夾，安裝cuda
sudo sh cuda_8.0.61_375.26_linux.run2）在選擇安裝cuda samples，選 ‘n’，因為不需要
3）其餘選項選擇‘y’，或預設就行了
4）安裝成功後，關機（命令為 shutdown -h now），更換顯示輸出埠為獨立顯示卡的輸出端後再啟動；此處如果直接重啟（sudo reboot）的話，由於未更換顯示輸出埠，而原驅動被禁用等原因，會出現迴圈登入的情況，此時強行關機再更換顯示輸出埠即可。
6.啟動後配置cuda環境變數
1）一般配置此步即可，但有時會出現問題，可以選擇用root使用者進行編輯，也可以嘗試後兩步
gedit ~/.bashrc # if can't edit, add sudo before
# add the two lines following
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
# cuda can change as cuda-8.0 specifically
source ~/.bashrc # MUST source2）
sudo gedit /etc/ld.so.conf.d/cuda.conf
# add the two lines following
/usr/local/cuda/lib64
/lib
sudo ldconfig -vsudo gedit /etc/profile
# add following two lines
PATH=/usr/local/cuda/bin:$PATH # 不能有空格！！
export PATH
source /etc/profile7.驗證是否安裝成功：
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery四、安裝cudnn
1.下載對應cuda版本的cudnn，可以去官網下載，需要註冊；不想註冊的可以從網盤下載，網盤有5.1和6.0，建議下載cudnn 6.0（tensorflow要求6.0）；也可以用下面的命令列下載：
wget http://developer.download.nvidia.com/compute/redist/cudnn/v6.0/cudnn-8.0-linux-x64-v6.0.tgz2.下載後解壓，得到cuda資料夾，裡面有include和lib64兩個子資料夾
3.進入include子資料夾
sudo cp cudnn.h /usr/local/cuda/include/ # 複製標頭檔案到之前安裝的cuda目錄4.進入lib64子資料夾，可以圖形介面進入看清楚版本號，方便後期修改
sudo cp lib* /usr/local/cuda/lib64/ # 複製動態連結庫到之前安裝的cuda目錄，注意檢視5.重新生成軟連結
cd /usr/local/cuda/lib64/sudo rm -rf libcudnn.so libcudnn.so.x # 刪除原有動態檔案，版本號注意變化，可在cudnn的lib64資料夾中檢視
sudo ln -s libcudnn.so.x.x.x libcudnn.so.x # 生成軟銜接，具體看cudnn的lib64中為什麼版本，注意變化
sudo ln -s libcudnn.so.x libcudnn.so # 生成軟連結
sudo ldconfig -vnvcc --version # or nvcc -V五、安裝caffe
1.下載caffe，此處下載caffe-master原始碼，並解壓至任何地方即可；
2.進入caffe根目錄，進行配置，檔案中對每項設定都有註釋，看看基本能懂
sudo cp Makefile.config.example Makefile.config
sudo gedit ./Makefile.configUSE_CUDNN := 1
CUDA_DIR := /usr/local/cuda # or cuda-8.0
CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \
-gencode arch=compute_20,code=sm_21 \
-gencode arch=compute_30,code=sm_30 \
-gencode arch=compute_35,code=sm_35 \
-gencode arch=compute_50,code=sm_50 \
-gencode arch=compute_52,code=sm_52 \
-gencode arch=compute_60,code=sm_60 \
-gencode arch=compute_61,code=sm_61 \
-gencode arch=compute_61,code=compute_61
BLAS := atlas
PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/lib/python2.7/dist-packages/numpy/core/include \
/usr/local/lib/python2.7/dist-packages/numpy/core/include
PYTHON_LIB := /usr/lib
WITH_PYTHON_LAYER := 1
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial/
BUILD_DIR := build
DISTRIBUTE_DIR := distribute
TEST_GPUID := 0
Q ?= @sudo gedit ./Makefile
# replace this line
NVCCFLAGS += -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
# with the following line
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)# ---[ Includes
set(${CMAKE_CXX_FLAGS} "-D_FORCE_INLINES ${CMAKE_CXX_FLAGS}")cd /usr/lib/x86_64-linux-gnu
sudo ln -s libhdf5_serial.so.10.1.0 libhdf5.so # 原始檔的版本可能有所不同，可進入資料夾進行檢視後再確定
sudo ln -s libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so cd python
for req in $(cat requirements.txt); do pip install $req; donefor req in $(cat requirements.txt); do sudo -H pip install $req --upgrade; donemake all -j8make runtest -j8六、編譯其他結構
可以編譯caffe的matlab和python介面，此處我們只編譯python介面
1.直接進入caffe根目錄，編譯pycaffe
make pycaffe -j8sudo gedit ~/.bashrc
# add the following line
export PYTHONPATH=/path/to/caffe-master/python:$PYTHONPATH
source ~/.bashrcpython
>>> import caffe # 不報錯即安裝成功import sys
sys.path.append('/path/to/caffe-master/python')
import caffesudo pip install jupyter
# 命令終端輸入以下語句即可使用
jupyter notebook~~~~~~~~~~~~~~~~~~~~~~華麗麗分割線~~~~~~~~~~~~~~~~~~~~
參考：