跑一個RCNN的代碼需要配Caffe+MATLAB2014a，走了不少彎路，花了不少時間。在此做個筆記，以供分享。
配置：
Ubuntu 14.04 + MATLAB 2014a + CUDA 6.5
一、安裝gcc 4.7
Ubuntu14.04自帶的gcc版本是4.8，MATLAB2014a支持的最高版本爲4.7x。因此，需要安裝gcc4.7，並給gcc降級
在終端執行gcc 4.7的安裝命令：
sudo apt-get
update
sudo apt-get install gcc-4.7 g++-4.7 g++-4.7-multilib gcc-4.7-multilib
在終端執行以下系統gcc降級命令（其中數字越大，表示優先級越高）：
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.7 100
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.8 50
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.7 100
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.8 50
sudo update-alternatives --install /usr/bin/cpp cpp-bin /usr/bin/cpp-4.7 100
sudo update-alternatives --install /usr/bin/cpp cpp-bin /usr/bin/cpp-4.8 50
驗證gcc-4.7是否安裝併成爲系統的默認版本：gcc -v
也可以將以上命令寫入一個shell文件中，執行shell腳本。
二、安裝MATLAB2014a
四、安裝Caffe
4.1 下載
4.2 安裝庫依賴：
sudo apt-get install
libatlas-base-dev libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler
4.3 將Caffe目錄下的Makefile.config.example修改爲Makefile.config並且修改其中關於MATLAB和CUDA的設置：
CUDA_DIR := /usr/local/cuda-6.5
CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \
-gencode arch=compute_20,code=sm_21 \
-gencode arch=compute_30,code=sm_30 \
-gencode arch=compute_35,code=sm_35 \
-gencode arch=compute_50,code=sm_50 \
-gencode arch=compute_50,code=compute_50
MATLAB_DIR := /usr/local/MATLAB/R2014a
注：其中CUDA >= 6.0時，CUDA_ARCH 需要做如上設置。
4.4 build Caffe
make -j 4
make -j 4 matcaffe
以上4表示採用4核。
題外：
若想在shell上測試Caffe的例子，可在Caffe目錄下做如下編譯：
make test
make runtest
並在終端執行：
cd caffe-master
./data/mnist/get_mnist.sh
./examples/mnist/create_mnist.sh
./examples/mnist/train_lenet.sh
如果想要跑rcnn的代碼，那麼需要配置liblinear-1.94，主要步驟如下：
1、修改lliblinear-1.94/matlab目錄下的Makefile文件，設置MATLAB的路徑
2、在終端make：先在liblinear-1.94目錄下make，再在liblinear-1.94/matlab目錄下make
報錯及處理：
1 報錯：close未聲明
處理：添加 #include "unistd.h" 到Network.cpp裏
PS：
跑cnn代碼時要注意batch size不要過大。
本想用CUDNN跑代碼的，無奈下載不了，只能暫時放棄。
參考：
How to setup Caffe to run Deep Neural Network