零錯誤安裝基於ubuntu14.04LTS的CUP版本深度學習框架Caffe

深度學習這麼火，對於有幸從事機器學習的我而言激動不已，無奈caffe安裝較爲繁瑣，加之硬件條件的限制，使得自己不得不對其望而卻步。不過google的一款深度學習框架tensorflow安裝較爲簡單，在Windows下之間pip install tensorflow即可完成安裝，然後在eclipse中進行基於tensorflow的開發了。本人先從簡單的開始，先在windows下安裝tensorflow並進行學習，用其做了幾個VGG、CNN、驗證碼識別等幾個簡單例子後，對其差不多已經瞭解，故而這幾天想轉戰caffe。

本人選擇使用ubuntu14.04，因爲其穩定，而且遇到錯誤在網上的解答也比較多，整個安裝過程不到一天時間（安裝很簡單，主要是安裝或者編譯過程花的時間比較長），也沒有遇到什麼大的錯誤，整體而言很順利，主要是參考了http://www.th7.cn/system/lin/201605/165973.shtml這篇博客。寫的比較詳細，不過其部分代碼一步到位，會導致出錯，本人根據安裝經驗重新進行整理，部分安裝步驟根據該博客來的，只是對出錯的地方進行了修改。希望幫助大家早日安裝好。

1、安裝vm虛擬機，ubuntu的安裝鏡像地址共享給大家http://pan.baidu.com/s/1jIBjPuY ，安裝完後首先確保虛擬機可以上網！！！

2、打開終端安裝必要的環境，依次執行如下命令：

sudo apt-get update #更新軟件列表 

sudo apt-get upgrade #更新軟件 

sudo apt-get install build-essential

3、去英偉達官網下載，網址如下：https://developer.nvidia.com/cuda-downloads

（不要在Windows下載後在複製到虛擬機，直接在虛擬機打開網頁後收入網址進行下載）

4、下載完後，進入下載目錄執行：

sudo sh cuda_7.5.18_linux.run#（cuda_7.5.18_linux.run是下載的文件名）

5、第四步的安裝過程比較長，安裝過程會顯示最終用戶許可協議（EULA），很長，可以按‘q’退出閱讀，然後安裝的時候不要安裝顯卡驅動，具體如下：

6、安裝完後進行執行：

echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/lib' >> ~/.bashrc source ~/.bashrc

7、安裝相關庫：

sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev protobuf-compiler gfortran libjpeg62 libfreeimage-dev libatlas-base-dev git python-dev python-pip libgoogle-glog-dev libbz2-dev libxml2-dev libxslt-dev libffi-dev libssl-dev libgflags-dev liblmdb-dev python-yaml

sudo easy_install pillow
或者　pip3 install pillow

8、下載caffe

cd ~ #進入主目錄

git clone https://github.com/BVLC/caffe.git

然後在當前目錄下就會看到下載的caffe，通過ls命令查看。

9、安裝python支持（該過程持續時間很長，我安裝的時候參考的博客把第三和第四行代碼合併爲一行，執行執行會出錯。大家按照我的一行一行代碼執行就行）

cd caffe

cat python/requirements.txt | xargs -L 1 sudo pip install

sudo ln -s /usr/include/python2.7/ /usr/local/include/python2.7

sudo ln -s /usr/local/lib/python2.7/dist-packages/numpy/core/include/numpy/ /usr/local/include/python2.7/numpy

10、修改Makefile.config

cp Makefile.config.example Makefile.config

然後用vi或者其他編輯器修改Makefile.config文件，找到 # CPU_ONLY: = 1這一行，把這一行前面的註釋 。然後在找到PYTHON_INCLUDE，把原來的/usr/lib/python2.7/dist-packages/numpy/core/include改爲/usr/local/lib/python2.7/dist-packages/numpy/core/include即可。

11、編譯caffe（編譯時間相對比較長，一行一行執行就好，我在編譯的時候出錯，如果出錯，執行make clean，然後在從頭開始重新編譯）

make all -j2 #2代表啓用2各線程同時編譯

make test
make runtest
make pycaffe   
make distribute

如果編譯過程報錯：AR -o .build_release/lib/libcaffe.aLD -o .build_release/lib/libcaffe.so.1.0.0/usr/bin/ld:
 cannot find -lhdf5_hl/usr/bin/ld: cannot find -lhdf5collect2: error: ld returned 1 exit statusMakefile:572:
recipe for target '.build_release/lib/libcaffe.so.1.0.0' failedmake: *** [.build_release/lib/libcaffe.so.1.0.0]
Error 1
則：然後修改Makefile 文件（注意不是）Makefile.config 將裏面的
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
改爲LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial
Makefile.config文件的第85行

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include 
改爲：

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/

這時候cd 到caffe 下的 python 目錄，試試caffe 的 python wrapper安裝好沒有： 

python
import caffe

如果不報錯，那就說明安裝好了。

測試：

cd $CAFFE_ROOT
./data/mnist/get_mnist.sh
./examples/mnist/creat_mnist.sh

./examples/mnist/train_lenet.sh

到此安裝完成，現在就可以開心的玩深度學習了！！！