服务器评测
说明
- 网上关于caffe的安装教程非常多，但是关于每一步是否操作成功，出现了什么样的错误又该如何处理没有给出说明。因为大家的操作系统的环境千差万别，按照博客中的教程一步步的安装，最后可能失败——这是很常见的哦。有的教程甚至省略了一些细节部分，让小白更不知道如何判断每一步是否操作成功，如何处理出现的错误。
- 作者花费了很长时间才成功地将caffe装完，期间遇到好多错误，多次重装操作系统。现在将经验写下来，一方面为了和大家分享，讨论；另一方面是为了记录一下下~~~
环境
操作系统： Ubuntu 14.04
GCC/G++:4.7.x
OpenCV: 2.4.11和3.0.0
Matlab :R2014b(a)
Python: 2.7
安装步骤
- 综述
- 0.准备工作
- 1.安装GCC4.7和G++4.7并降级
- 2.安装显卡驱动
- 3.安装cuda和cudnn
- 4.安装Matlab
- 5.安装OpenCV
- 6.安装Python依赖包
- 7.安装caffe
安装caffe
- 这已经是caffe安装过程的最后一步了。但是行百里者，半于九十，因此还要小心。
1. 安装Google Logging Library（glog）
- glog 下载地址
- 安装命令如下所示
# 解压
tar -zxvf glog-0.3.3.tar.gz
# 切换路径
cd glog-0.3.3
sudo ./configure
sudo make –j
sudo make install2. 安装其它依赖
- 执行以下命令即可。
sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev
sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler protobuf-c-compiler python-pandas3. 编辑Makefile.config文件
- 操作命令如下所示。
unzip caffe-master.zip #本地解压caffe-master
#切换路径
cd /caffe-master
#caffe源文件中没有Makefile.config，需要复制Makefile.config.example
cp Makefile.config.example Makefile.config
#编辑Makefile.config
vi Makefile.config
-
修改Makefile.config
- 取消第5行的注释，即将
#USE_CUDNN=1 改为 USE_CUDNN=1；
- 如果使用本教程系列安装的，就不需要修改
BLAS=atlas，如果是参考欧新宇的教程，安装了MKL，需要改成BLAS=mkl；
- 启用CUDNN，加注释:
CPU_ONLY:=1 改成 # CPU_ONLY:=1；
- 配置路径，实现caffe对Python和Matlab接口的支持：
PYTHON_LIB := /usr/local/lib
MATLAB_DIR := /usr/local/MATLAB/R2014a
4. 编辑Makefile文件
- 如果openCV版本是2.4.x，此小节可以不再阅读
- 如果openCV版本3.0，还需要修改Makefile文件，实现对OpenCV 3.x的支持。
- 在Makefile文件中查找“Derive include and lib directories”一节，修改“LIBRARIES +=”的最后一行，增加opencv_imgcodecs，修改之后为：
LIBRARIES += opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs5. 编译caffe-master
- 依次执行下面的命令，编译caffe：
make all -j
make test -j
make runtest -j
-
runtest执行结束之后，如下图所示。这样子就说明安装成功了。
-
编译Python和Matlab用到的caffe文件
make pycaffe -j
make matcaffe -j
- pycaffe和matcaffe编译完成后，如下图所示：
- 编译过程中可能会遇到错误，比如./include/caffe/util/cudnn.hpp:8:34: fatal error: caffe/proto/caffe.pb.h: No such file or director，这是因为protobuf和pillow没有安装，或者是通过apt-get安装的。使用pip重新安装一遍即可解决问题。删除caffe-mast（提前保存Makefile.config和Makefile），解压，解压重新编译。
pip install protobuf --upgrade -i http://pypi.douban.com/simple
pip install pillow --upgrade -i http://pypi.douban.com/simple6.设置Python环境变量
- 此时虽然编译完成，但是python还不能使用caffe，需要设置python的环境变量，将其caffe/python路径添加到python环境变量中。
- 操作命令如下所示：
sudo vi /etc/profile # 编辑profile文件
#在最后面添加以下语句，注意将path换成你的系统下的路径
export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH
- 在caffe安装整个过程中，我么修改/etc/profile三次，如下图所示。
7.使用MNIST数据集进行测试
- 参考 http://www.linuxidc.com/Linux/2016-11/137497.htm 即可。
- 操作命令如下所示：
# 1. 数据预处理
sh data/mnist/get_mnist.sh
# 2. 重建lmdb文件。Caffe支持三种数据格式输入网络，包括Image(.jpg, .png等)，leveldb，lmdb，根据自己需要选择不同输入吧。
#生成mnist-train-lmdb 和 mnist-train-lmdb文件夹，这里包含了lmdb格式的数据集
sh examples/mnist/create_mnist.sh
# 3. 训练mnist
sh examples/mnist/train_lenet.sh
- 这已经是caffe安装过程的最后一步了。但是行百里者，半于九十，因此还要小心。
1. 安装Google Logging Library（glog）
- glog 下载地址
- 安装命令如下所示
# 解压
tar -zxvf glog-0.3.3.tar.gz
# 切换路径
cd glog-0.3.3
sudo ./configure
sudo make –j
sudo make install2. 安装其它依赖
- 执行以下命令即可。
sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev
sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler protobuf-c-compiler python-pandas3. 编辑Makefile.config文件
- 操作命令如下所示。
unzip caffe-master.zip #本地解压caffe-master
#切换路径
cd /caffe-master
#caffe源文件中没有Makefile.config，需要复制Makefile.config.example
cp Makefile.config.example Makefile.config
#编辑Makefile.config
vi Makefile.config
-
修改Makefile.config
- 取消第5行的注释，即将
#USE_CUDNN=1 改为 USE_CUDNN=1；
- 如果使用本教程系列安装的，就不需要修改
BLAS=atlas，如果是参考欧新宇的教程，安装了MKL，需要改成BLAS=mkl；
- 启用CUDNN，加注释:
CPU_ONLY:=1 改成 # CPU_ONLY:=1；
- 配置路径，实现caffe对Python和Matlab接口的支持：
PYTHON_LIB := /usr/local/lib
MATLAB_DIR := /usr/local/MATLAB/R2014a
4. 编辑Makefile文件
- 如果openCV版本是2.4.x，此小节可以不再阅读
- 如果openCV版本3.0，还需要修改Makefile文件，实现对OpenCV 3.x的支持。
- 在Makefile文件中查找“Derive include and lib directories”一节，修改“LIBRARIES +=”的最后一行，增加opencv_imgcodecs，修改之后为：
LIBRARIES += opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs5. 编译caffe-master
- 依次执行下面的命令，编译caffe：
make all -j
make test -j
make runtest -j
-
runtest执行结束之后，如下图所示。这样子就说明安装成功了。
-
编译Python和Matlab用到的caffe文件
make pycaffe -j
make matcaffe -j
- pycaffe和matcaffe编译完成后，如下图所示：
- 编译过程中可能会遇到错误，比如./include/caffe/util/cudnn.hpp:8:34: fatal error: caffe/proto/caffe.pb.h: No such file or director，这是因为protobuf和pillow没有安装，或者是通过apt-get安装的。使用pip重新安装一遍即可解决问题。删除caffe-mast（提前保存Makefile.config和Makefile），解压，解压重新编译。
pip install protobuf --upgrade -i http://pypi.douban.com/simple
pip install pillow --upgrade -i http://pypi.douban.com/simple6.设置Python环境变量
- 此时虽然编译完成，但是python还不能使用caffe，需要设置python的环境变量，将其caffe/python路径添加到python环境变量中。
- 操作命令如下所示：
sudo vi /etc/profile # 编辑profile文件
#在最后面添加以下语句，注意将path换成你的系统下的路径
export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH
- 在caffe安装整个过程中，我么修改/etc/profile三次，如下图所示。
7.使用MNIST数据集进行测试
- 参考 http://www.linuxidc.com/Linux/2016-11/137497.htm 即可。
- 操作命令如下所示：
# 1. 数据预处理
sh data/mnist/get_mnist.sh
# 2. 重建lmdb文件。Caffe支持三种数据格式输入网络，包括Image(.jpg, .png等)，leveldb，lmdb，根据自己需要选择不同输入吧。
#生成mnist-train-lmdb 和 mnist-train-lmdb文件夹，这里包含了lmdb格式的数据集
sh examples/mnist/create_mnist.sh
# 3. 训练mnist
sh examples/mnist/train_lenet.sh
# 解压
tar -zxvf glog-0.3.3.tar.gz
# 切换路径
cd glog-0.3.3
sudo ./configure
sudo make –j
sudo make install- 执行以下命令即可。
sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev
sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler protobuf-c-compiler python-pandas3. 编辑Makefile.config文件
- 操作命令如下所示。
unzip caffe-master.zip #本地解压caffe-master
#切换路径
cd /caffe-master
#caffe源文件中没有Makefile.config，需要复制Makefile.config.example
cp Makefile.config.example Makefile.config
#编辑Makefile.config
vi Makefile.config
-
修改Makefile.config
- 取消第5行的注释，即将
#USE_CUDNN=1 改为 USE_CUDNN=1；
- 如果使用本教程系列安装的，就不需要修改
BLAS=atlas，如果是参考欧新宇的教程，安装了MKL，需要改成BLAS=mkl；
- 启用CUDNN，加注释:
CPU_ONLY:=1 改成 # CPU_ONLY:=1；
- 配置路径，实现caffe对Python和Matlab接口的支持：
PYTHON_LIB := /usr/local/lib
MATLAB_DIR := /usr/local/MATLAB/R2014a
4. 编辑Makefile文件
- 如果openCV版本是2.4.x，此小节可以不再阅读
- 如果openCV版本3.0，还需要修改Makefile文件，实现对OpenCV 3.x的支持。
- 在Makefile文件中查找“Derive include and lib directories”一节，修改“LIBRARIES +=”的最后一行，增加opencv_imgcodecs，修改之后为：
LIBRARIES += opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs5. 编译caffe-master
- 依次执行下面的命令，编译caffe：
make all -j
make test -j
make runtest -j
-
runtest执行结束之后，如下图所示。这样子就说明安装成功了。
-
编译Python和Matlab用到的caffe文件
make pycaffe -j
make matcaffe -j
- pycaffe和matcaffe编译完成后，如下图所示：
- 编译过程中可能会遇到错误，比如./include/caffe/util/cudnn.hpp:8:34: fatal error: caffe/proto/caffe.pb.h: No such file or director，这是因为protobuf和pillow没有安装，或者是通过apt-get安装的。使用pip重新安装一遍即可解决问题。删除caffe-mast（提前保存Makefile.config和Makefile），解压，解压重新编译。
pip install protobuf --upgrade -i http://pypi.douban.com/simple
pip install pillow --upgrade -i http://pypi.douban.com/simple6.设置Python环境变量
- 此时虽然编译完成，但是python还不能使用caffe，需要设置python的环境变量，将其caffe/python路径添加到python环境变量中。
- 操作命令如下所示：
sudo vi /etc/profile # 编辑profile文件
#在最后面添加以下语句，注意将path换成你的系统下的路径
export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH
- 在caffe安装整个过程中，我么修改/etc/profile三次，如下图所示。
7.使用MNIST数据集进行测试
- 参考 http://www.linuxidc.com/Linux/2016-11/137497.htm 即可。
- 操作命令如下所示：
# 1. 数据预处理
sh data/mnist/get_mnist.sh
# 2. 重建lmdb文件。Caffe支持三种数据格式输入网络，包括Image(.jpg, .png等)，leveldb，lmdb，根据自己需要选择不同输入吧。
#生成mnist-train-lmdb 和 mnist-train-lmdb文件夹，这里包含了lmdb格式的数据集
sh examples/mnist/create_mnist.sh
# 3. 训练mnist
sh examples/mnist/train_lenet.sh
unzip caffe-master.zip #本地解压caffe-master
#切换路径
cd /caffe-master
#caffe源文件中没有Makefile.config，需要复制Makefile.config.example
cp Makefile.config.example Makefile.config
#编辑Makefile.config
vi Makefile.config 修改Makefile.config
- 取消第5行的注释，即将
#USE_CUDNN=1 改为 USE_CUDNN=1； - 如果使用本教程系列安装的，就不需要修改
BLAS=atlas，如果是参考欧新宇的教程，安装了MKL，需要改成BLAS=mkl； - 启用CUDNN，加注释:
CPU_ONLY:=1 改成 # CPU_ONLY:=1； - 配置路径，实现caffe对Python和Matlab接口的支持：
PYTHON_LIB := /usr/local/lib
MATLAB_DIR := /usr/local/MATLAB/R2014a- 如果openCV版本是2.4.x，此小节可以不再阅读
- 如果openCV版本3.0，还需要修改Makefile文件，实现对OpenCV 3.x的支持。
- 在Makefile文件中查找“Derive include and lib directories”一节，修改“LIBRARIES +=”的最后一行，增加opencv_imgcodecs，修改之后为：
LIBRARIES += opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs5. 编译caffe-master
- 依次执行下面的命令，编译caffe：
make all -j
make test -j
make runtest -j
-
runtest执行结束之后，如下图所示。这样子就说明安装成功了。
-
编译Python和Matlab用到的caffe文件
make pycaffe -j
make matcaffe -j
- pycaffe和matcaffe编译完成后，如下图所示：
- 编译过程中可能会遇到错误，比如./include/caffe/util/cudnn.hpp:8:34: fatal error: caffe/proto/caffe.pb.h: No such file or director，这是因为protobuf和pillow没有安装，或者是通过apt-get安装的。使用pip重新安装一遍即可解决问题。删除caffe-mast（提前保存Makefile.config和Makefile），解压，解压重新编译。
pip install protobuf --upgrade -i http://pypi.douban.com/simple
pip install pillow --upgrade -i http://pypi.douban.com/simple6.设置Python环境变量
- 此时虽然编译完成，但是python还不能使用caffe，需要设置python的环境变量，将其caffe/python路径添加到python环境变量中。
- 操作命令如下所示：
sudo vi /etc/profile # 编辑profile文件
#在最后面添加以下语句，注意将path换成你的系统下的路径
export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH
- 在caffe安装整个过程中，我么修改/etc/profile三次，如下图所示。
7.使用MNIST数据集进行测试
- 参考 http://www.linuxidc.com/Linux/2016-11/137497.htm 即可。
- 操作命令如下所示：
# 1. 数据预处理
sh data/mnist/get_mnist.sh
# 2. 重建lmdb文件。Caffe支持三种数据格式输入网络，包括Image(.jpg, .png等)，leveldb，lmdb，根据自己需要选择不同输入吧。
#生成mnist-train-lmdb 和 mnist-train-lmdb文件夹，这里包含了lmdb格式的数据集
sh examples/mnist/create_mnist.sh
# 3. 训练mnist
sh examples/mnist/train_lenet.sh
make all -j
make test -j
make runtest -jruntest执行结束之后，如下图所示。这样子就说明安装成功了。
编译Python和Matlab用到的caffe文件
make pycaffe -j
make matcaffe -jpip install protobuf --upgrade -i http://pypi.douban.com/simple
pip install pillow --upgrade -i http://pypi.douban.com/simple- 此时虽然编译完成，但是python还不能使用caffe，需要设置python的环境变量，将其caffe/python路径添加到python环境变量中。
- 操作命令如下所示：
sudo vi /etc/profile # 编辑profile文件
#在最后面添加以下语句，注意将path换成你的系统下的路径
export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH- 在caffe安装整个过程中，我么修改/etc/profile三次，如下图所示。
7.使用MNIST数据集进行测试
- 参考 http://www.linuxidc.com/Linux/2016-11/137497.htm 即可。
- 操作命令如下所示：
# 1. 数据预处理
sh data/mnist/get_mnist.sh
# 2. 重建lmdb文件。Caffe支持三种数据格式输入网络，包括Image(.jpg, .png等)，leveldb，lmdb，根据自己需要选择不同输入吧。
#生成mnist-train-lmdb 和 mnist-train-lmdb文件夹，这里包含了lmdb格式的数据集
sh examples/mnist/create_mnist.sh
# 3. 训练mnist
sh examples/mnist/train_lenet.sh
# 1. 数据预处理
sh data/mnist/get_mnist.sh
# 2. 重建lmdb文件。Caffe支持三种数据格式输入网络，包括Image(.jpg, .png等)，leveldb，lmdb，根据自己需要选择不同输入吧。
#生成mnist-train-lmdb 和 mnist-train-lmdb文件夹，这里包含了lmdb格式的数据集
sh examples/mnist/create_mnist.sh
# 3. 训练mnist
sh examples/mnist/train_lenet.sh注意：如果在使用过程中出现检测不到NVIDIA显卡的情况，重装显卡驱动和cuda即可。
总结
- 至此，ubuntu下安装caffe的工作已经结束了。如果你完全按照本教程操作，相信你一定已经成功安装caffe了，并且对caffe有了一定的了解。
- 世上无难事只怕有坚持，安装过程虽然很复杂，但是只要坚持，不断的Google解决它，caffe就一定能安装。
- 错误不可怕，它是成功的障碍，同时也为我们成长提供了阶梯——所谓的能力，很大一部分是通过不断解决问题来获取的。
- 下面开始学习如何使用caffe做深度学习的研究喽，祝大家学习愉快。。。
Caffe 深度学习入门教程 http://www.linuxidc.com/Linux/2016-11/136774.htm
Ubuntu 16.04下Matlab2014a+Anaconda2+OpenCV3.1+Caffe安装 http://www.linuxidc.com/Linux/2016-07/132860.htm
Ubuntu 16.04系统下CUDA7.5配置Caffe教程 http://www.linuxidc.com/Linux/2016-07/132859.htm
Caffe在Ubuntu 14.04 64bit 下的安装 http://www.linuxidc.com/Linux/2015-07/120449.htm
深度学习框架Caffe在Ubuntu下编译安装 http://www.linuxidc.com/Linux/2016-07/133225.htm
Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置说明 http://www.linuxidc.com/Linux/2015-04/116444.htm
Ubuntu 16.04上安装Caffe http://www.linuxidc.com/Linux/2016-08/134585.htm
Caffe配置简明教程 ( Ubuntu 14.04 / CUDA 7.5 / cuDNN 5.1 / OpenCV 3.1 ) http://www.linuxidc.com/Linux/2016-09/135016.htm
Ubuntu 16.04上安装Caffe(CPU only) http://www.linuxidc.com/Linux/2016-09/135034.htm
更多Ubuntu相关信息见Ubuntu 专题页面 http://www.linuxidc.com/topicnews.aspx?tid=2
本文永久更新链接地址：http://www.linuxidc.com/Linux/2016-11/137496.htm
