Intel+Nvidia双显卡笔记本Linuxmint18下安装CUDA+OpenCV+Caffe的安装记录
一.安装环境：
硬件：微星GE70 2PC 089-XCN，14年性价比较高的一款，然而两年多过去后配置已经落伍...当年的价格现在能买到i7+GTX1050了...
CPU:intel i5 4200H 双核四线程 2.8GHz
显卡：Intel HD 4600 + Nvidia GTX 850M
硬盘：Linux系统分配了100G，现在我主要还是用Windows所以给Linux分的比较少，不过看大多数做深度学习的/home至少分300个G...
内存：16G
系统：LinuxMint18.1，基于Ubuntu 16.04系统。
选择LinuxMint的原因就是，Ubuntu上显卡驱动不好装，装不上，装上之后重启不能登录桌面...Mint看起来人性化些，而且作为桌面操作系统用也是不错的选择（除了没有QQ和迅雷这俩我离不开的软件...还有微软Office套件...）
准备安装：CUDA8.0+OpenCV3.2+Caffe
二.Windows10+LinuxMint18.1双系统安装
这个单开一篇文章说吧...（我还没写，请先参考这篇可读性比较好的文章：UEFI下Win 8.1+Ubuntu 14.04安装教程）
简单来讲，推荐选择UEFI引导方式，硬盘分区表GPT，Windows那部分保持不变，留出个几百G的空余（留多少看你心情吧），然后100~300M做EFI引导分区，和内存等大的交换分区，剩下全给/ Ext4,或者你单独给/home多少多少...
安装时候有个第三方驱动的问题，使用第三方驱动需要关闭安全引导，一定记住你定的那个密码，重启后它问你那个密码不是直接让你输入密码，而是问你第几个数字是啥，有意思...
我建议装完系统后更新一下，有的教程说不要更新，我感觉更新总是好的...Mint的软件源尽量不要改，我改成过中国的，然后就出错了...网速能忍的情况下尽量不要改...如果你知道哪个源好用评论告诉我 _(:з」∠)_
系统安装倒是不难，接下来最头疼的问题来了，就是安装驱动。
三.Nvidia显卡私有驱动安装
你可能会遇到声卡驱动问题导致电脑没声音，网卡驱动问题导致不能上网，触摸板驱动问题导致触摸板不能用，键盘驱动...键盘能有啥问题顶多是键盘灯不亮...没办法你的电脑本来就不是为了Linux而设计的（不过还真有出厂预装Ubuntu的），缺少驱动问题要自己想办法了。
下面只说显卡驱动问题。有个尴尬的问题就是系统默认安装了nouveau开源驱动，你是可以把它加黑名单，但貌似在拔掉显卡前这个驱动是不会停止工作的，你也就装不上官方驱动...显卡咋拔？拔了不黑屏了吗...就算禁用，那也黑了...尤其这双显卡...不管了...
进入系统设置最底下有个驱动管理，点进去后你能看到，给你推荐了驱动，Intel那里选择intel-microcode就好，NVIDIA那里有两个，一个NVIDIA官方的闭源驱动，一个叫nouveau的开源驱动。显然闭源的效果要比开源的好，而且你要装CUDA肯定需要官方的显卡驱动。但由于Linux的政策限制，预装了nouveau驱动，在装官方驱动之前，你要把这个开源驱动加入黑名单，不加的话官方驱动装不上。
我尝试了从官网下载最新的驱动安装包然后进命令行模式装，可惜各种报错...所以还用系统推荐的吧...
1.为了将nouveau加入黑名单，编辑 /etc/modprobe.d/blacklist.conf ，在文件后面加入blacklist nouveau.
2.到系统设置里找驱动管理，选择两个推荐的驱动，点应用更改。
3.等，我装的时候等了5个小时，进度条一直剩一点点，然后我就直接重启了，重启后会进入那个上面说的关闭安全引导的步骤，输对密码后就可以正常进系统了。
最好是多等等，我等一个小时时候进度条也剩那一点，直接重启后桌面就开始崩溃了，显然驱动没装好...说实话我现在都不知道装不上是因为网速慢还是看脸，所以嘛，多等等就是了...毕竟重装了6遍系统才成功把显卡驱动装上...
装好后，系统右下角会有一个N卡的logo，点它进NVIDIA X Server Setting可以切换显卡的，每次切换都需要注销。（如果你也用微星你会发现电源灯由蓝色变为红色，证明独显工作了。装好独显驱动后steam里好多游戏都可以流畅运行！）
你也可以进一步确认一下，进终端输入nvidia-smi后出现以下信息表示安装成功。
四.安装CUDA8.0和cudnn v5.1
去NVIDIA开发者官网下载最新的CUDA安装包。如图
此时我下载的是cuda_8.0.44_linux.run
版本选择16.04，因为Mint18是基于Ubuntu16.04的。然后选runfile那个。
执行命令：
sudo sh cuda_8.0.44_linux.run --override
启动安装程序，按住空格到最后，老长了，相信你不会看的，输入accept接受条款。
Q1: You are attempting to install on an unsupported configuration. Do you wish to continue? 咋不支持了，配置低还是怎么...那也不能不装啊，输入y
Q2: Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 367.48? 别装，刚才装过了。再装装出问题来...害怕，输入n
Q3: Install the CUDA 8.0 Toolkit? y
Q4: Enter Toolit Location 回车就行默认安装路径：/usr/local/cuda-8.0
Q5: Do you want to install a symbolic link at /usr/local/cuda? y
Q6: Install the CUDA 8.0 Samples? y
Q7：Enter CUDA Samples Location 还是回车，默认路径：/home/用户名
装完CUDA8.0后，需要将cudnn相关头文件和so文件放入cuda8.0相应的目录中：
先解压cudnn
然后，我是直接图形界面移动的，命令的话：
cd /home/用户名/Softwares/deeplearning_softwares/cudnn; cd cuda/include/ sudo cp cudnn.h /usr/local/cuda/include/ cd ../lib64 sudo cp lib* /usr/local/cuda/lib64/ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
建立软连接，终端输入：
cd /usr/local/cuda/lib64/ sudo rm -rf libcudnn.so libcudnn.so.5 sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5 sudo ln -s libcudnn.so.5 libcudnn.so
设置环境变量，终端输入：
sudo gedit /etc/profile
打开文件后在末尾加入(要是没装gedit就装一个，用啥打开都行)
PATH=/usr/local/cuda/bin:$PATH
export PATH
保存后，创建链接文件
sudo vim /etc/ld.so.conf.d/cuda.conf
按i进入插入模式，增加下面一行
/usr/local/cuda/lib64
ESC退出，输入 :wq 保存退出
终端输入：
sudo ldconfig
使链接生效。
cuda Samples测试
打开CUDA 8.0 Samples默认安装路径，终端输入
cd /home/用户名/Workspace/CUDA_Samples/NVIDIA_CUDA-8.0_Samples sudo make all -j4
（看起来缺了什么文件，我暂时不知道...）
我处理器4线程的所以写j4,为了能效率高点，你8线程的也可以j8，双线程的就直接make all吧...
如果出现了“unsupported GNU version! gcc versions later than 5.3 are not supported!”的错误，这是由于GCC版本过高，在终端输入
cd /usr/local/cuda-8.0/include
sudo cp host_config.h host_config.h.bak
sudo gedit host_config.h
ctrl+f寻找有“5.3”的地方，只有一处，如下
# if __GNUC__ > 5 || (__GNUC__ == 5 && __GNUC_MINOR__ > 3)
#error -- unsupported GNU version! gcc versions later than 5.3 are not supported!
将两个5改成6，即
#if __GNUC__ > 6 || (__GNUC__ == 6 && __GNUC_MINOR__ > 3)
保存退出，继续在终端输入
cd /home/clark/Workspace/CUDA_Samples/NVIDIA_CUDA-8.0_Samples
sudo make all -j4 （4核）
完成后继续向终端输入
cd bin/x86_64/linux/release
./deviceQuery
出现如下图所示，表示成功安装cuda
五.安装OpenCV 3.2
从OpenCV官网中下载opencv3.2.0版本到本地。解压到 /home/用户名/Compile/opencv-3.2.0/
先安装OpenCV的依赖
sudo apt-get -qq remove ffmpeg x264 libx264-dev sudo apt-get -y install build-essential cmake pkg-config libtiff4-dev libjpeg-dev libjasper-dev libavcodec-dev sudo apt-get -y install libavformat-dev libswscale-dev libdc1394-22-dev libxine-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev sudo apt-get -y install libv4l-dev libtbb-dev libgtk2.0-dev libfaac-dev libmp3lame-dev unzip sudo apt-get -y install libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev ibvorbis-dev libxvidcore-dev x264 v4l-utils ffmpeg
在本地编译安装OpenCV3.2.0
cd /home/用户名/Compile/opencv-3.2.0/ mkdir build cd build cmake -D CMAKE_BUILD_TYPE=Release .. make -j4 sudo make install
默认安装， 头文件会在/usr/local/include中， so文件在/usr/local/lib中。
六.安装Caffe
先安装Caffe的依赖
sudo apt-get install build-essential #必要的编译工具依赖 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 libatlas-base-dev sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
安装pip和easy_install
sudo apt-get install python-pip sudo apt-get install python-setuptools
从github上下载caffe源码（默认下载位置是你当前命令行所在的位置，默认为/home）
sudo apt-get install git git clone https://github.com/BVLC/caffe.git
下载完放到/home/用户名/Compile/caffe/python
安装Python的依赖
cd /home/用户名/Compile/caffe/python sudo su for req in $(cat "requirements.txt"); do pip install -i https://pypi.tuna.tsinghua.edu.cn/simple $req; done exit
caffe的依赖安装完毕后，开始编译caffe源码
cd /home/cty/Compile/caffe-master/
cp Makefile.config.example Makefile.config
把example的内容抄到config文件后，我们打开Makefile.config这个文件修改它的内容。
USE_CUDNN := 1 #取消该句注释
OPENCV_VERSION := 3 #取消该句注释
PYTHON_INCLUDE := /usr/include/python2.7 /usr/lib/python2.7/dist-packages/numpy/core/include
WITH_PYTHON_LAYER := 1 #取消注释
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/local/include/opencv /usr/local/include/opencv2 /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
终端输入：
cd /usr/lib/x86_64-linux-gnu sudo ln libhdf5_serial.so.10.1.0 libhdf5.so sudo ln libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so sudo ldconfig
然后
cd /home/用户名/Compile/caffe/
make all -j4
出现了错误如图
原因是我们没有安装protobuf.git
所以我们先
make clean
然后去github下载安装protobuf.git，放在哪你知道的
git clone https://github.com/google/protobuf.git
然后
cd /home/cty/Compile/protobuf chmod +x autogen.sh ./autogen.sh
然后又出错了，autoreconf:not found
好我们再安装automake工具
sudo apt-get install autoconf automake libtool
这回我们可以回到make all -j4了
cd /home/用户名/Compile/caffe
make all -j4
然后
make runtest -j4
make pycaffe -j4
又出错，爆炸，喝咖啡那么难吗，我可能看的是“假教程”,用的是假"Linux",输入的是"假命令”...
fatal error: numpy/arrayobject.h：没有那个文件或目录，原因没装python-numpy
sudo apt-get install python-numpy
之后再make pycaffe -j4就好了
然后
make distribute
接下来
cd /home/用户名/Compile/caffe/python
python
>>> import caffe
没报错，说明caffe装好了。
七.测试例子：
先下载mnist数据集
cd /home/用户名/Compile/caffe/data/mnist/
./get_mnist.sh
不建议你用这个命令下载，因为网络问题，根本下不下来...
所以我们到这个网站http://yann.lecun.com/exdb/mnist/
去下载这四个文件
train-images-idx3-ubyte.gz: training set images (9912422 bytes)
train-labels-idx1-ubyte.gz: training set labels (28881 bytes)
t10k-images-idx3-ubyte.gz: test set images (1648877 bytes)
t10k-labels-idx1-ubyte.gz: test set labels (4542 bytes)
速度慢的话回Windows用迅雷吧...
然后解压他们。
解压后的四个文件放到/home/用户名/Compile/caffe/data/mnist/
然后把这四个文件每个文件名字中的.改成-
要不一会儿又打不开找不到文件了...
接下来，mnist数据格式转换
cd /home/用户名/Compile/caffe
./examples/mnist/create_mnist.sh
此时在/caffe/examples/mnist/目录下生成mnist_test_lmdb和mnist_train_lmdb两个LMDB格式的训练集和测试集
开始训练mnist
cd /home/用户名/Compile/caffe
./examples/mnist/train_lenet.sh
本篇结束。
本人接触Linux的时间不长，作为小白，文中内容难免出错，如果您发现本文内容有误，请评论指出，我会尽快修改并深表感激。
同时，感谢以下文章的作者或转载者，是他们教会了我整个的安装过程。
参考：
微星GS73VR 6RF + Linux Mint 18 + GTX1060 + CUDA8.0 + OpenCV3.0.0 + Caffe安装笔记
ubuntu16.04+gtx1060+cuda8.0+caffe安装、测试经历
Ubuntu 14.04 安装 Nvidia 私有驱动并进行双显卡切换
喝一杯咖啡真难——我的caffe在ubuntu14.04下安装配置，改错，换包记录
编译 pycaffe时报错：fatal error: numpy/arrayobject.h没有那个文件或目录
