一、TX2中caffe的安裝
平臺：英偉達NVIDIA TX2開發板 環境：Ubuntu16.04， python2.7，cuda8.0，cudnn6.0.2. OpenCV 2.4.13.1
準備工作：
1. 瞭解TX2。最重要的一點是：它用的arm結構，是aarch-linux，不是x86_64-linux，也不是i386-linux。這裏附官方簡介：
http://www.nvidia.cn/object/embedded-systems-dev-kits-modules-cn.html
安裝過程：
1. 安裝各種包以及依賴
sudo apt-get update
sudo apt-get upgrade
sudo apt-get install build-essential cmake git pkg-config
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install libatlas-base-dev
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-de
2. 安裝python
sudo apt-get install python-pip 安裝pip
這裏我們用pip安裝一些python需要的依賴包，不過爲了避免各種問題，也可以通過apt-get安裝，反正我這兩種方式都安裝了一遍(-.-)
sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose
3. 安裝Opencv（TX2已經自帶，檢查後可跳過這一步）
查看opencv版本：
pkg-config --modversion opencv
若沒有跳出opencv的版本，則需安裝opencv：
sudo apt-get install -y libopencv-dev
4. 安裝Cuda（TX2已經自帶，檢查後可跳過這一步）
查看cuda版本：
cat /usr/local/cuda/version.txt
若沒有跳出cuda的版本，則需手動安裝cuda：
這裏附安裝連接：https://blog.csdn.net/jonms/article/details/79318566
5. 安裝Cudnn（需要手動安裝，不可跳過）
A. 確定已經安裝的Cuda版本，以Cuda9.0爲例，到官網https://developer.nvidia.com/rdp/cudnn-download下載相應的庫文件（下載前需要登錄網站，因此需要進行註冊）PS:一定要去官網下載對應的版本，不要圖省事去什麼網盤之類的，只有纔是最安全的。
B. 進入下載目錄並解壓
cd /home/nvidia/Downloads
sudo tar xvf cudnn-9.0-linux-x64-v7.1.tgz
C. 複製頭文件和動態鏈接庫
cd cuda
sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp lib64/* /usr/local/cuda/lib64/
cd /usr/local/cuda/lib64/
ls -a（查看libcudnn版本；很多地方需要根據文件的版本然後操作，後面不再提示）
sudo chmod +r libcudnn.so.7.1.2
後面很多地方需要查看文件名稱。學會使用 ls -a（查看當前目錄下所有文件）
D. 創建軟連接
sudo rm -rf libcudnn.so libcudnn.so.7
sudo ln -s libcudnn.so.7.1.2 libcudnn.so.7
sudo ln -s libcudnn.so.7 libcudnn.so
sudo ldconfig
6. 安裝Caffe
A. 下載caffe
cd ~
mkdir git //在home下新建一個git文件夾，用來存放那些從github上git下來的文zong件
git clone https://github.com/BVLC/caffe.git //從github上git caffe
B. 開始安裝
cd caffe //打開到剛剛git下來的caffecp Makefile.config.example Makefile.config
//將Makefile.config.example的內容複製到Makefile.config
//因爲make指令只能make Makefile.config文件，而Makefile.config.example是caffe給出的makefile例子
修改Makefile.config文件（根據技術選型和系統硬件）：
1）去掉USE_CUDNN := 1 前面的註釋
2）去掉USE_OPENCV := 0 前面的註釋，並將0修改爲1
3）去掉OPENCV_VERSION := 2.7前面的註釋
4）去掉CUSTOM_CXX := g++ 前面的註釋
5）在CUDA_ARCH := 後前兩行即有*_20和*_21的兩行前面添加#最終效果爲
//重要的一項
將# Whatever else you find you need goes here.下面的
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
修改爲：
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/aarch64-linux-gnu /usr/lib/aarch64-linux-gnu/hdf5/serial
//這是因爲ubuntu16.04的文件包含位置發生了變化，尤其是需要用到的hdf5的位置，所以需要更改
修改Makefile文件
打開Makefile文件，做如下修改，將：
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC$(COMMON_FLAGS)
替換爲：
425行： NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -shared -Xcompiler -fPIC $(COMMON_FLAGS)
（-shared -Xcompiler 各自前面都要加空格，否則會出錯）
在Makefile文件中找到：
LIBRARIES +=glog gflags protobuf boost_system boost_filesystem m hdf5 hl hdf5
把它改成：
181行： LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial
C. 爲hdf5創建鏈接
\\首先執行下面這句話：
cd /usr/lib/aarch64-linux-gnu
\\這裏筆者被坑了很多次，網上幾乎所有的教程都是x86_64,給出的是cd /usr/lib/x86_64-linux-gnu，然而TX2並沒有這個文件，浪費了筆者很多時間；
筆者沒有找到用aarch架構的caffe安裝文章，故寫下了此博客
\\然後根據情況執行下面兩句：
sudo ln -s libhdf5_serial.so.10.1.0 libhdf5.so
sudo ln -s libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so
\\注意：這裏的10.1.0和10.0.2根據不同的系統可能對應的數字會不同，比如在ubuntu15.10中其數字就是8.0.2.
\\具體的數字可以在打開的文件中查看對應文件後面跟的數字
PS：查看當前目錄下文件，用ls -a
D. Make各種文件
cd .. \\此時位置應該處於caffe文件夾下
make all -j8 //j4代表計算機cpu有4個核，因此可以多線程一起make，這樣make的速度會快很多。
make test -j8
make runtest -j8 (運行出現下圖：)
make pycaffe //如果以後用python來開發的話必須執行這一句，一般不管你是否用python，都會執行這一句
export PYTHONPATH=~/caffe/python:$PYTHONPATH
make distribute
如果執行到這裏，那恭喜你，caffe安裝完畢；如果沒有執行到這裏，那很正常，遇到問題不要怕，認真閱讀報錯信息，多百度谷歌，筆者也遇到了很多問題，卡在了make all -j4上，下面貼出可能會遇到的問題。
caffe安裝錯誤彙總
1. opencv出問題
.build_release/lib/libcaffe.so: undefined reference to `cv::imread(cv::String const&, int)'
.build_release/lib/libcaffe.so: undefined reference to `cv::imencode(cv::String const&, cv::_InputArray const&, std::vector<unsigned char, std::allocator<unsigned char> >&, std::vector<int, std::allocator<int> > const&)'
先檢查你的opencv版本：
pkg-config --modversion opencv
這種問題很有可能是你的系統中使用的是opencv3，但是你的Makefile.config中沒有將OPENCV_VERSION := 3這一句取消註釋。
其次，取消註釋後還沒有解決，則可能是opencv_imgcodecs鏈接的問題，比較有效的解決方案如下：
把opencv需要的lib添加到Makefile文件中，找到LIBRARIES（在PYTHON_LIBRARIES := boost_python python2.7 上面）並修改爲：
LIBRARIES += glog gflags protobuf leveldb snappy \
lmdb boost_system hdf5_hl hdf5 m \
opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs
2. Hdf5出問題
LD -o .build_release/lib/libcaffe.so.1.0.0-rc3
/usr/bin/ld: cannot find -lhdf5
/usr/bin/ld: cannot find -lhdf5_hl
collect2: error: ld returned 1 exit status
Makefile:567: recipe for target '.build_release/lib/libcaffe.so.1.0.0-rc3' failed
make: *** [.build_release/lib/libcaffe.so.1.0.0-rc3] Error
Lhdf5出問題有很多原因，需要逐一排查：
a. Makefile.config
認真核對Makefile.config裏面的內容，儘量不要手敲，直接複製
將# Whatever else you find you need goes here.下面的
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
修改爲：
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/aarch64-linux-gnu /usr/lib/aarch64-linux-gnu/hdf5/serial
//這是因爲ubuntu16.04的文件包含位置發生了變化，尤其是需要用到的hdf5的位置，所以需要更改
c. 軟連接
軟連接創建出錯，只需打開對應目錄，創建移除原有鏈接，創建新鏈接即可：
find . -type f -exec sed -i -e 's^"hdf5.h"^"hdf5/serial/hdf5.h"^g' -e 's^"hdf5_hl.h"^"hdf5/serial/hdf5_hl.h"^g' '{}' \;
cd /usr/lib/aarch64-linux-gnu
sudo ln -s libhdf5_serial.so.10.1.0 libhdf5.so
sudo ln -s libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so
\\注意：這裏的10.1.0和10.0.2根據不同的系統可能對應的數字會不同，比如在ubuntu15.10中其數字就是8.0.2.
\\具體的數字可以在打開的文件中查看對應文件後面跟的數
Ps：學會用dpkg -S libhdf5.so查看看是否有libhdf5.so；沒有需安裝：
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler
3. Cudnn出問題
/sbin/ldconfig.real: /usr/local/lib/libcudnn.so.6.5 is not a symbolic link
/sbin/ldconfig.real: /usr/local/lib64/libcudnn.so.6.5 is not a symbolic link
這是軟連接創建有問題，libcudnn.so.不是一個符號鏈接，打開對應目錄，創建移除原有鏈接，創建新鏈接即可
sudo rm -rf libcudnn.so libcudnn.so.7
sudo ln -s libcudnn.so.7.1.2 libcudnn.so.7
sudo ln -s libcudnn.so.7 libcudnn.so
sudo ldconfig
或者出現這個問題：
NVCC src/caffe/layers/deconv_layer.cu
NVCC src/caffe/layers/cudnn_conv_layer.cu
src/caffe/layers/cudnn_conv_layer.cu(81): error: argument of type "cudnnAddMode_t" is incompatible with parameter of type "const void *"
detected during instantiation of "void caffe::CuDNNConvolutionLayer<Dtype>::Forward_gpu(const std::vector<caffe::Blob<Dtype> *, std::allocator<caffe::Blob<Dtype> *>> &, const std::vector<caffe::Blob<Dtype> *, std::allocator<caffe::Blob<Dtype> *>> &) [with Dtype=float]"
這是cudnn沒有安裝成功，原因可能是：
沒有去官網下載與cuda版本相對應的cudnn，建議去官網重新下載，按照上面教程重新進行安裝；
也有可能是軟連接的問題，移除原有軟連接重新創建即可。
上述所有方案都不行的話，可以試一試這個：
cd home/nvidia/Downloads
cd cuda/include
sudo cp *.h /usr/local/include/
cd ../lib64
sudo cp lib* /usr/local/lib/
cd /usr/local/lib
sudo chmod +r libcudnn.so.7.1.2
sudo rm -rf libcudnn.so libcudnn.so.7
sudo ln -s libcudnn.so.7.1.2 libcudnn.so.7
sudo ln -s libcudnn.so.7 libcudnn.so
sudo ldconfig
4. cuda計算能力警告
如果在編譯時產生了CUDA計算能力的警告，解決的方式是將Makefile.config文件的CUDA_ARCH的前兩行去掉。
參考：
https://blog.csdn.net/dhaduce/article/details/80155121
https://www.jianshu.com/p/e78c5c321248?tdsourcetag=s_pcqq_aiomsg