Caffe+Ubuntu14.04+CUDA7.5 环境搭建（新人向）指南
序
本文针对想学习使用caffe框架的纯新手，如果文中有错误欢迎大家指出。
由于我在搭建这个环境的时候参考了许多网上的教程，但是没有截图，所以文中图片大多来源于网络。
本文没有安装matlab的步骤，因此需要安装并配置matlab的同学请百度matlab安装。
1. 在Win10环境下搭建Ubuntu14.04双系统
操作事先请准备好：
一个空的U盘，最好大于4G。
去Ubuntu官网下载一个Ubuntu14.04的iso镜像文件，注意要64位系统。
下载一些用的到的小工具，如EsayBCD，utraliso
以上的东西都准备齐全就OK了。下面上具体的安装步骤。
第一步，在我的电脑管理工具里使用磁盘管理工具为Ubuntu系统分配一些硬盘空间，个人建议最少准备100G，因为搭建环境里可能需要安装各种臃肿的软件，到时候提示硬盘空间不足就真的尴尬了。分配空间的办法就是选择一个盘符点击压缩卷，然后输入一个需要的大小就ok了。
第二步，使用utraliso和Ubuntu镜像文件在u盘上制作一个安装盘。使用utraliso打开镜像文件然后菜单里找到启动 -> 写入硬盘映像，然后硬盘驱动器选择插入的U盘，写入方式USB-HDD+，直接写入即可。
第三步，重启计算机，使用U盘启动。不同型号的电脑可能进入BIOS或者启动选项的方式不同，不过无外乎也就是狂按del大法，根据开机瞬间提示点击F1-F12大法等等。使用U盘启动就会看到install ubuntu的选项了，选择后进入就是ubuntu的安装界面。（不知道如何从U盘启动的同学请百度一下，教程超多，还都配有照片，很贴心）
第四步，对ubuntu进行分区。首先安装请选择‘其他选项’并继续，然后在一大堆硬盘记录里找到我们准备好的那个空闲的空间，为ubuntu分区。选择空闲空间后，点击左下角的加号即可添加分区。我推荐的分区添加顺序是：
1.添加swap交换空间，大小是机器本身内存大小即可，如果硬盘空间充足的同学可以分配到1.5-2倍内存大小。
2.添加'/boot'分区，大小在200MB到500MB即可，如果硬盘富裕，可以考虑1G，在多了也没什么用。（如图所示，其他目录直接点击/boot的下拉菜单即可）
3.添加‘/’根目录挂载点，大约40G左右。根目录可以尽量大一些，因为后面要安装的各种软件都要安装到这里。
4.添加‘/home'用户主目录挂载点,把剩下的空间都分配过来就行了。
其实最推荐的分区顺序是/boot放在最前作为主分区，其他作为逻辑分区，swap放在最后，不过既然是双系统，也没有必要那么讲究了。（PS 分区左下角减号可以删除设定的分区，处女座同学请自行左下角）
第五步，吃个水果听个歌等着安装完重启电脑就行了。重启以后默认会以ubuntu的grub进行引导，windows系统将不是默认的启动项，如果想改会windows的UEFI引导，可以使用准备好的EasyBCD处理一下，具体方案直接百度谷歌即可。
至此，Ubuntu安装完毕。
PS，网上有很多不需要u盘直接easyBCD引导安装双系统的，感兴趣的同学可以尝试，但是如果你的电脑装有双硬盘特别是使用出厂原装系统的笔记本，这个需要一点点相关的技术经验了，因为要改启动的默认盘符地址，因此我是不推荐的，借小伙伴个U盘，省去了千千万万的烦恼。
PPS，linux下使用终端十分频繁，可以安装下面的一个小插件，让文件浏览器里的右键菜单中增加‘在终端中打开’省去了cd目录的麻烦，十分推荐！
输入命令安装nautilus-open-terminal
sudo apt-get install nautilus-open-terminal
安装完成后重启电脑，就可以在右键菜单里直接打开终端了！
2. 安装CUDA7.5
直接去NVIDIA的官网下载CUDA7.5针对Ubuntu的安装包即可，网址https://developer.nvidia.com/cuda-downloads，如图选择即可。
下载完这个1.9GB的安装包后，切记不要手贱去双击使用什么软件中心打开并手贱安装，这样并没有什么卵用。老老实实打开终端，使用cd命令切换到安装包所在的文件夹里，输入下面的命令：
sudo dpkg --install cuda-repo-<distro>-<version>.<architecture>.deb
sudo apt-get update
sudo apt-get install cuda
等待安装完以后，请老老实实的重启电脑，加载显卡驱动。如果你能顺利的重启，请在ubuntu的系统设置->详细信息->概况里查看是否已经成功读取出了你的NVIDIA显卡。
能顺利完成以上动作的同学请跳过下面一段。。。
如果脸黑了 重启失败了，那么就在开机选择操作系统中选择ubuntu高级然后进入后可以看到不同的ubuntu启动和其recovery模式，尝试一边那些非recovery的选择看看哪个能进去，进去了就可以执行下面的步骤了，进不去的同学，请喝口水，百个度查查解决方案或者重装吧。
如果进去了系统，然后在ubuntu的系统设置->详细信息->概况里发现并不是nvidia的显卡而还是intel的集成显卡，那么请在此执行sudo apt-get update然后重启电脑。
讲道理的话，到这就应该顺顺利利安装完CUDA了。
然后可以运行运行simple测试一下：在终端下操作
先配置环境变量
export PATH=/usr/local/cuda-7.5/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH
安装simples
cuda-install-samples-7.5.sh ~
进入到simple目录，编译并执行nbody样例程序
cd ~/NVIDIA_CUDA-Samples_7.5/5_Simulations/nbody
make
./nbody
成功的话应该会弹出一个图形窗口，然后是一个粒子爆炸的模拟，只要能运行这个了就说明CUDA安装成功了。
然后链接lib文件，新建cuda.conf：
/usr/local/cuda/lib64
/lib
保存退出，更新设置：
$ sudo ldconfig -v
CUDA的simples里有很多有趣又实用的程序，感兴趣的同学可以自己编译运行并读读源码学习。
可选：安装CUDNN开发库
去官网注册并下载CUDNN (cudnn-7.5-linux-x64-v4.0-prod)这里推荐v4,老版本稳定，v5可能会遇到编译不过的问题。然后进行安装
3. 搭建Caffe环境
Caffe需要依赖许多的工具，例如BLAS，CUDNN之类的，我们要一步一步的安装，这里切记要有耐心。
Caffe下载：推荐放在主目录下，方便用
git clone https://github.com/BVLC/caffe.git
第一步 安装一些开发必备包
一般都是已经安装完了 我们这里只是再检验一下。
sudo apt-get install build-essential
sudo apt-get install vim cmake git
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf
第二步 安装BLAS
这里可选择Intel 的MKL，OpenBLAS和ATLAS，运行效率上ATLAS < OpenBLAS < MKL，配置难易程度上ATLAS < MKL < OpenBLAS。
安装ATLAS: 输入命令
sudo apt-get install libatlas-base-dev
完成！
安装MKL，下载地址https://software.intel.com/en-us/intel-education-offerings，选择英特尔® 数学内核库 Linux* 版MKL(Intel(R) Parallel Studio XE Cluster Edition for Linux 2016)，这个其实是要收费的，但是使用一个学生邮箱可以免费申请到1年，下载后直接使用如下命令解压并安装，安装是图形化界面，直接装就行了。需要8.2GB空间，如果前面小伙伴只给了根目录20GB不到的大小，那么可以跳过这一步了，硬盘很可能就不够了。
tar zxvf parallel_studio_xe_2016.tar.gz
chmod a+x parallel_studio_xe_2016 -R
sudo sh install_GUI.sh
安装完成后链接lib文件，如CUDA一样
新建intel_mkl.conf：
/opt/intel/lib/intel64
/opt/intel/mkl/lib/intel64
保存退出，更新设置：
$ sudo ldconfig -v
第三步，安装OpenCV
这里推荐3.0版本，不用去官网找，这里分享一个转载的文件，直接运行安装即可：
链接: http://pan.baidu.com/s/1kVpOUHL 密码: vfvb
下载后进入安装目录，安装依赖项：sudo sh Ubuntu/dependencies.sh
然后进入Ubuntu\3.0执行安装：$ sudo sh opencv3_0_0.sh
安装需要联网，大概需要30分钟左右，喝个茶休息休息。。。。
第四步，安装其他依赖的库
1. Google Logging Library（glog），下载地址：https://code.google.com/p/google-glog/，然后安装，命令如下：
3. 安装一些python的依赖
我个人不推荐使用anaconda，因为编译时还要额外设置目录，很麻烦。。。
直接装一个pip：
sudo apt-get install python-pip
然后以后缺什么直接根据缺少的包名 pip install <package-name>即可。
切换到caffe目录下的python目录，
sudo apt-get install -y python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags Cython ipython
然后使用sudo su命令进入root，再检查一边requirement.txt里的包是不是都安装全了
sudo su
for req in $(cat requirements.txt); do pip install $req; done
如果抱错了，一般就是缺少依赖包，二话不说，直接pip install <package-name>
至此，编译Caffe需要的东西就安装全了，如果想用matlab的同学，可以‘购(po)买(jie)’一个matlab自行安装，推荐matlab2014a(网上破解资源多，安装教程也多)
4. 编译并测试
编译Caffe的关键就是caffe的配置文件了，在caffe目录下有一个Makefile.config.example文件，这是对于配置文件的样例兼说明文件，英语还可以的同学建议仔细阅读其中的说明，真的很有用！！
如果读不下去了，那就直接照着改吧。。。
首先，复制一份Makefile.config.example并命名Makefile.config
cp Makefile.config.example Makefile.config
然后按照如下修改：
1.启用cudnn，去掉注释符号 #
USE_CUDNN := 1
2.启用OpenCV 3.0, 去掉注释符号 #
OPENCV_VERSION =3
3. 如果你使用了intel MKL，那么启用mkl（默认是ATLAS）
BLAS := mkl
OK，现在可以尝试编译Caffe了（烧个香拜个佛吧，希望没有错误）
可以在语句后面加入 -j数字 一样的命令多核编译，例如 make all -j4 四核编译，可以加速不少
make all
make test
make runtest
make pycaffe (编译python支持)
如果安装了matlab，那么需要编译caffe对matlab的支持部分：
在配置文件里设置 MATLAB_DIR := /usr/local/MATLAB/R2014a
make matcaffe
如果上述编译都已经正常通过了，那么可以进行测试了。
测试1 python引用
在caffe\python目录下进入python(终端切换到这个目录，输入python)
输入import caffe
如果不报错，恭喜你，编译通过了！
测试2 运行caffe自带的example，MNIST数据集测试
在caffe根目录下执行：
获取数据集
sh data/mnist/get_mnist.sh
建立输入
sh examples/mnist/create_mnist.sh
训练
sh examples/mnist/train_lenet.sh
如果不报错的话，就会不断的输出迭代次数，loss，err之类的信息。
至此 0基础搭建ubuntu caffe框架结束。
