在我們開始caffe學習的第一步自然就是準備環境啦，對於初學者，這個過程或許很難，有的時候可能搞個幾天，繞進去就出不來，今天小編將自己在學習過程中，遇到的問題說一下，希望可以節約你的精力！
一、環境準備
我是在自己的筆記本上裝的雙系統，ubuntu14.04 配置是GTX1070+16G，當然啦如果你的電腦沒有GPU環境，可以安裝cpu版，或者在windows上進行編譯都是可以的，但是本人不建議在虛擬機中做編譯。
1、顯卡驅動安裝：
lspci|grep -i nvidia //查看顯卡是否支持nvidia
uname -m && cat /etc/*release // 查看linux支持的nvidia版本
sudo apt-get update
sudo apt-get install nvidia-384 //可根據顯卡型號選擇驅動型號
安裝成功後：輸入命令nvidia-smi，會有下圖內容
Mon Aug 20 16:42:45 2018
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 384.130 Driver Version: 384.130 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 GeForce GTX TIT... Off | 00000000:04:00.0 Off | N/A |
| 0% 51C P0 66W / 250W | 0MiB / 12207MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| No running processes found |
+-----------------------------------------------------------------------------+
2、CUDA及組件安裝（ 安裝包，提取碼是g8b0）
這個安裝文件裏一共包含了三個組件：
- 驅動程序安裝文件
NVIDIA-Linux-x86_64-375.26.run - CUDA安裝程序
cuda-linux64-rel-8.0.61-21551265.run - CUDA樣例安裝程序
cuda-samples-linux-8.0.61-21551265.run
由於驅動程序已經安裝完畢，因此不需要再進行安裝。所以推薦將下載好的 cuda 8.0 安裝文件採用如下命令解壓，單獨執行 第二個程序：
chmod +x cuda_8.0.61_375.26_linux.run
./cuda_8.0.61_375.26_linux-run --extract=抽取路徑
執行一下命令執行第二個程序安裝 cuda 8.0：
sudo ./cuda-linux64-rel-8.0.61-21551265.run
安裝完成後，採用以下命令配置一下運行庫文件：
sudo bash -c "echo /usr/local/cuda/lib64/ > /etc/ld.so.conf.d/cuda.conf"
sudo ldconfig
輸入nvcc -V命令來驗證安裝，預期結果類似如下：
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2016 NVIDIA Corporation
Built on Tue_Jan_10_13:22:03_CST_2017
Cuda compilation tools, release 8.0, V8.0.61
Tips:如果遇到下面問題
The program 'nvcc' is currently not installed. You can install it by typing:
sudo apt-get install nvidia-cuda-toolkit
#出現這種錯誤的原因是環境變量沒有配置正確。解決方法如下：
vim ~/.profile
#（在文件最後加入以下內容）
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda8.0/lib64\${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
### 保存退出
source ~/.profile
3）安裝cudnn
採用以下命令安裝：
sudo dpkg -i ./libcudnn7_7.1.4.18-1+cuda8.0_amd64.deb
sudo dpkg -i ./libcudnn7-dev_7.1.4.18-1+cuda8.0_amd64.deb
二、依賴環境安裝
caffe依賴環境包括libprotobuf-dev，libsnappy-dev，libleveldb-dev，libhdf5-serial-dev，protobuf-compiler，libopenblas-dev
可以通過命令進行安裝
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler #required by caffe
三、caffe及pycaffe編譯
在上面的包中可以下載到caffe-ssd，也可以使用 sudo git clone https://github.com/BVLC/caffe.git進行下載比較新的版本
cp ./Makefile.config.sample ./Makefile.config
在Makefile.config 中找到USE_CUDNN:=1 將前面的註釋#去掉，表示使用cuda進行編譯，之後
make -j8 //8表示進程數
之後修改PYTHONPATH環境變量，編譯pycaffe
vim ../autolabel_env/bin/activate
# 在文件末尾添加以下內容
export PYTHONPATH=/path-to-caffe-ssd/python #(path-to-caffe-ssd是caffe-ssd的根目錄)
# 保存退出
deactivate
source ../autolabel_env/bin/activate
make py
make pycaffe
到這裏caffe-ssd就編譯完成了。
常見問題：
或許會遇到下述問題：
gcc 版本過低
[.build_release/cuda/src/caffe/layers/detection_output_layer.o] Error 1
解決方案：ubuntu14.04更新gcc版本
如果在python中import caffe遇到了下面這個問題
No Module named google.protobug.internal
主要是缺少caffe的一個依賴項：
sudo apt-get install python-protobuf
之後就可以在python中import了
Python 2.7.6 (default, Nov 13 2018, 12:45:42)
[GCC 4.8.4] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import caffe
>>>
堅持一件事情或許很難，但堅持下來一定很酷！^_^