長期招聘計算機視覺/深度學習等方向的工程師或實習生。感興趣的話，請傳送郵件，可以內推。

說明

• 網上關於caffe的安裝教程非常多，但是關於每一步是否操作成功，出現了什麼樣的錯誤又該如何處理沒有給出說明。因為大家的作業系統的環境千差萬別，按照部落格中的教程一步步的安裝，最後可能失敗——這是很常見的哦。有的教程甚至省略了一些細節部分，讓小白更不知道如何判斷每一步是否操作成功，如何處理出現的錯誤。
• 作者花費了很長時間才成功地將caffe裝完，期間遇到好多錯誤，多次重灌作業系統。現在將經驗寫下來，一方面為了和大家分享，討論；另一方面是為了記錄一下下~~~

環境

作業系統： Ubuntu 14.04(64bit)

安裝步驟

安裝cuda

• 注意1：安裝cuda可以通過二進位制安裝包安裝，也可以通過deb包線上安裝。本文使用二進位制安裝包安裝。
• 注意2：由於前面已經安裝了顯示卡驅動，因此關於顯示卡驅動的選項，選擇no，即不再安裝顯示卡驅動。

# 安裝依賴庫
apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libgl1-mesa-dev libglu1-mesa libglu1-mesa-dev libxi-dev 
# 新增執行許可權,並安裝。注意不要重複安裝顯示卡驅動。
 

# cuda**run根據自己下載的版本更改名稱。
# 選擇安裝Cuda Samples，後邊還會編譯它。
# 選擇建立軟連線。cuda -> cuda7.0
stop lightdm
chmod a+x cuda_7.0.28_linux.run
sudo ./cuda_7.0.28_linux.run

• 修改/etc/profile檔案，將cuda新增到環境變數中。【注：關於這一點，安裝完cuda之後，命令列中有提示！！！細心看一下】
• 將/usr/local/cuda-7.0/bin新增到環境變數PATH路徑中，這樣一來，就可以在任何路徑下呼叫cuda相關的可執行檔案了。
• 將/usr/local/cuda7.0/lib64新增環境變數LD_LIBRARY_PATH
  中，作為共享庫使用。這樣一來，後面編譯Cuda Samples 和OpenCV時，就不會提示找不到庫的錯誤了。
• 操作1：將以下內容新增到檔案/etc/profile的最後面，儲存後，執行命令source /etc/profile，使配置生效。

PATH=/usr/local/cuda/bin:$PATH 
export PATH 
LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export LD_ LIBRARY_PATH 

• 操作2：在目錄/etc/ld.so.conf.d/下新建檔案 cuda.conf，並新增如下內容。然後執行命令sudo ldconfig，使配置生效。
• 解釋：下面第一行是上面提到的cuda庫檔案路徑，後面3行是後來綜合除錯錯誤和其它博文總結得到的。所以，最好加上，省的出錯哦。。。

/usr/local/cuda/lib64
/lib
/usr/lib
/usr/lib32

• 檢查cuda是否配置好,在命令列中執行以下命令。

#輸入以下命令，檢查是否配置好。如下圖所示，說明安裝好。
nvcc --version

安裝CUDA SAMPLES

• 為什麼安裝cuda samples?

• 一方面為了後面學習cuda使用，另一方面，可以檢驗cuda是否真的安裝成功。如果cuda samples全部編譯通過，沒有一個Error（Warning忽略），那麼就說明成功地安裝了cuda。但如果沒有通過編譯，或者雖然最後一行顯示PASS，但是編譯過程中有ERROR，請自行GOOGLE解決之後，再向下安裝，否則失之毫厘謬以千里！！！

• make時，請使用make -j，可以最大限度的使用cpu編譯，加快編譯的速度。

# 切換到cuda-samples所在目錄
# 注意，換成自己的路徑
cd /home/xuezhisd/NVIDIA_CUDA-7.0_Samples
# 編譯 make （安裝命令 sudo apt-get install cmake)
make –j 
# 編譯完畢，切換release目錄
cd ./bin/x86_64/linux/release
# 檢驗是否成功
# 執行例項 ./deviceQuery
./deviceQuery 
# 可以認真看看自行結果，它顯示了你的NVIDIA顯示卡的相關資訊。

• ./deviceQuery執行結果如下圖所示：
  
• 一個Error例子
• 安裝CUDA SAMPLES的過程中，可能會出現錯誤“/usr/bin/ld: cannot find –lGL”
• 通過Google搜尋，找到以下解決方法：

locate libGL.so
# 返回結果
#/usr/lib/i386-linux-gnu/mesa/libGL.so.1
#/usr/lib/i386-linux-gnu/mesa/libGL.so.1.2.0
sudo ln -s /usr/lib/i386-linux-gnu/mesa/libGL.so.1.2.0 /usr/lib/libGL.so

• 但是，依然不能編譯通過。忽略進行後面的步驟，依然會提示一些.so檔案找不到。最終在OpenCV那裡完全無法再安裝了，返回卸掉解除安裝NVIDIA DRIVER 和cuda，重新安裝驅動和cuda*，成功地編譯cuda samples。
• 安裝的驅動的方法是在命令列中執行：

sudo stop lightdm 
sudo apt-get install nvidia-346

• 然後將libGLobal.so連結到nvidia提供的libGLobal.so.346.82。後面編譯cuda samples和opencv過程中順利通過。

sudo ln –s /usr/lib/nvidia-346-updates/libGL.so.346.82 /usr/lib/libGL.so

• 即使用NVIDIA提供的libGL.so可以完成編譯，不再報錯。

• 注意：上面這個錯誤，就是在先裝顯示卡驅動，後裝gcc4.7過程遇到的。所以，請先安裝gcc4.7和g++4.7，然後再安裝NVDIA顯示卡驅動，再安裝cuda。

安裝cudnn

• 安裝cudnn比較簡單，簡單地說，就是複製幾個檔案：庫檔案和標頭檔案。將cudnn的標頭檔案複製到cuda安裝路徑的include路徑下，將cudnn的庫檔案複製到cuda安裝路徑的lib64路徑下。

#解壓檔案
tar -zxvf cudnn-6.5-linux-x64-v2.tgz
#切換路徑
cd cudnn-6.5-linux-x64-v2
#複製lib檔案到cuda安裝路徑下的lib64/
sudo cp lib* /usr/local/cuda/lib64/
#複製標頭檔案
sudo cp cudnn.h /usr/local/cuda/include/

#更新軟連線
cd /usr/local/cuda/lib64/ 
sudo rm -rf libcudnn.so libcudnn.so.6.5 
sudo ln -s libcudnn.so.6.5.48 libcudnn.so.6.5 
sudo ln -s libcudnn.so.6.5 libcudnn.so 

• 到目前為止，cudnn已經安裝完了。但是，是否安裝成功了呢，還得通過下面的cudnn sample測試。

#執行cudnn-sample-v2
tar –zxvf cudnn-sample-v2.tgz
cd cudnn-sample-v2
make
./mnistCUDNN
#改程式執行成功，說明cudnn安裝成功。

• 此時可能出現錯誤：./mnist CUDNN: error while loading shared libraries: libcudart.so.6.5: cannot ope

• 方法1：在命令列中執行
  export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64

• 方法2：在/etc/profile檔案最後新增export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64, 並在命令列中執行source /etc/profile。