Caffe + Ubuntu 14.04 64bit + CUDA6.5 + 無GPU 配置

官網：

http://caffe.berkeleyvision.org/installation.html#compilation

參考網站： 

http://www.cnblogs.com/dupuleng/articles/4213834.html

http://www.cnblogs.com/empty16/p/4793404.html

-------------------------------------------------------------------------------------------------------------------------------------

一、安裝build-essentials

　　安裝開發所需要的一些基本包

sudo apt-get install build-essential

二、CUDA安裝

這一步包括三個部分： 

1. nvidia驅動
2. cuda-toolkit
3. cuda-samples

　　在CPU模式下僅需要安裝cuda-toolkit，接下來介紹如何安裝cuda-toolkit

2.1 下載CUDA6.5

      下載方式：windows下載(http://developer.download.nvidia.com/compute/cuda/6_5/rel/installers/cuda_6.5.14_linux_64.run)通過ssh傳到Ubuntu

      或者直接在Ubuntu中輸入： 

wget http://developer.download.nvidia.com/compute/cuda/6_5/rel/installers/cuda_6.5.14_linux_64.run

      通過下列命令增加.run文件的執行權限:

chmod +x *.run

      然后解壓下載到的文件：

./cuda_6.5.14_linux_64.run  --extract=extract_path  (說明：需要將extract_path改為將文件解壓到的地點)

解壓下載得到的.run文件，得到三個文件，我們只安裝第一個，即cuda-toolkit包

• • CUDA安裝包: cuda-linux64-rel-6.5.14-18749181.run
  • NVIDIA驅動: NVIDIA-Linux-x86_64-340.29.run
  • SAMPLE包: cuda-samples-linux-6.5.14-18745345.run

2.2 安裝cuda

　　安裝CUDA需要在純命令行下進行(非常重要），按 ctrl+alt+F1進入tty，登錄后執行如下命令

sudo service lightdm stop  

或者

sudo stop lightdm

執行下列命令安裝CUDA，按照提示一步步安裝，其中會讓你選擇安裝目錄，接受協議等，為方便選擇默認路徑，直接回車即可。

sudo ./cuda-linux64-rel-6.5.14-18749181.run

2.3 添加環境變量

安裝完成后在/etc/profile中添加環境變量，在文件最后添加

PATH=/usr/local/cuda-6.5/bin:$PATH
export PATH

　　　　保存后，執行下列命令，使環境變量立即生效

source /etc/profile

　　　2.4 添加lib庫路徑 

　　　　在/etc/ld.so.conf.d/目錄下增加文件cuda.conf，內容如下　

/usr/local/cuda-6.5/lib64

　　　　執行下列命令立刻生效

sudo ldconfig

　　　　注： 如果你沒有使用默認路徑，將上面的路徑換成自己相應的路徑即可

　2.5 退出命令行

sudo service lightdm start

或者

sudo start lightdm

三、安裝BLAS

BLAS有三個版本：ATLAS, MKL, OpenBLAS。MKL是收費的，也用student版本，不過需要使用你所在單位的郵箱來申請， 其它兩種是免費的，這里使用OpenBlas。聽說MKL效率上比其它兩種好很多。。

     1. 下載地址：

wget https://codeload.github.com/xianyi/OpenBLAS/tar.gz/v0.2.15

　  2. 解壓

tar -zvxf OpenBLAS-0.2.15

    3.進入解壓生成的文件進行編譯安裝：

     直接輸入：make； 估計會報錯： make[1]: *** [sgemm.o] Error 1

     那么輸入：make TARGET=NEHALEM

     編譯好后會提示類似於： make PREFIX=/your/path/lib install等;它的意思就是安裝lib到相應的地址

     輸入： make PREFIX=/usr/local/OpenBlas/

　 4. 添加lib庫路徑： 在/etc/ld.so.conf.d/目錄下增加文件OpenBlas.conf，內容如下

/usr/local/OpenBlas/lib

    5. 執行下列命令立刻生效

sudo ldconfig

 

四、安裝Opencv

1. 　從github上下載安裝腳本：https://github.com/jayrambhia/Install-OpenCV
2. 　進行Ubuntu/2.4目錄，對所有腳本增加可執行權限

sudo chmod +x *.sh

安裝最新版本（當前為2.4.9)，有人自己寫了2.4.20版本的，有興趣的可以去下：http://pan.baidu.com/s/1m3hQu

　　3.    安裝依賴項

sudo ./dependencies.sh

　　4.   安裝opencv 2.4.9

sudo sh ./opencv2_4_9.sh

　　這塊兒時間比較長，保證網絡連接，需要聯網下載安裝包。

　　注意：中途可能會報錯：

1	opencv-2.4.9/modules/gpu/src/nvidia/core/NCVPixelOperations.hpp(51): error: a storage  class  is not allowed in an  explicit  specialization

　　解決方案： 下載NCVPixelOperations.hpp ，替換掉Ubuntu/2.4/Opencv/opencv2.4.9/moduels/gpu/src/nvidia/core目錄中的NCPixelOperations.hpp文件，重新執行安裝命令

sudo sh ./opencv2_4_9.sh

五、安裝其它依賴項

　　Ubuntu14.04用戶執行

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

　　其它版本參考官網說明

六、安裝Caffe所需要的Python 環境（未測試）

　　選擇一個適合你的IDE運行環境，作者用的是Spyder，因為它內置了 iPython 環境，Caffe有不少的程序是基於 iPython 環境完成的。安裝方法很簡單，直接在Ubuntu軟件中心搜索“spyder”即可安裝。

七、安裝Caffe所需要的matlab環境

1. 下載：自己從網上找資源吧，百度雲盤中有比較多的資源。注意：caffe只支持matlab12b以上的版本
2. 安裝具體流程參考：http://blog.csdn.net/aimatfuture/article/details/8058156

八、編譯Caffe

• 　　下載：https://github.com/BVLC/caffe
• 　　進入caffe目錄，復制一份Makefile.config　　

cp Makefile.config.example Makefile.config

•       根據自己環境修改相應內容

　　　1 取消 CPU_ONLY := 1前面的注釋

　　　2. cuda 安裝路徑改為自己的路徑 ： CUDA_DIR := /usr/local/cuda-6.5

　　　3. 配置路徑：實現caffe對python和matlab接口的支持　　

PYTHON_INCLUDE := /usr/include/python2.7 \

/usr/lib/python2.7/dist-packages/numpy/core/include

PYTHON_LIB := /usr/local/lib

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

LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib

MATLAB_DIR := /usr/local/MATLAB/R2014a

　　 4. BLAS := open (根據自己選擇的版本，分別設為atlas, mkl, open

       BLAS_INCLUDE :=/usr/local/OpenBlas/include

       BLAS_LIB :=/usr/local/OpenBlas/lib

       Makefile中： BLAS ?= atlas 改成： BLAS ?= open

• 編譯caffe

sudo make all -j2
sudo make test 
sudo make runtest

　　　　

在一這步可能會碰到問題：undefined refrence to ' cudaGetDevice '

　　　　解決方法：

　　　　　　1. 修改Makefile.config, 修改CUSTOM_CXX := g++-4.6

　　　　　　2. 執行命令 sudo apt-get install gcc-4.6 g++-4.6 gcc-4.6-multilib g++-4.6-multilib
　　　　　　3. 修改以下兩個文件
　　　　　　　　vi src/caffe/common.cpp
　　　　　　　　vi tools/caffe.cpp
　　　　　　　　使用google替代gflags

　　　　　　4. 重新make

　　　如果在make的過程中提示：“error while loading shared libraries: xxx.so.x”，可能是cuda及OpenBLAS環境變量沒有設置正確，檢查相應步驟，可參考：http://blog.csdn.net/sahusoft/article/details/7388617

九、編譯matlab wrapper　

make matcaffe

十、編譯python wrapper

make pycaffe

 

 十一、使用MNIST數據集進行測試

　　這部分可參考caffe官網：http://caffe.berkeleyvision.org/gathered/examples/mnist.html，非常詳細。

　　注：這一部分默認在caffe的目錄下完成，不能去相應的子目錄下執行腳本，因為腳本中的路徑是相對於caffe目標的相對路徑 。

1. 獲取數據： sudo sh data/mnist/get_mnist.sh
2. 重建lmdb/ leveldb文件：sh examples/mnist/create_mnist.sh       （ caffe支持三種數據格式輸入： images(.jpg,.png等），leveldb, lmdb）
3. 切換到CPU模式： 在lenet_solver.prototxt中修改 solover_mode = CPU , 在最后一行
4. 訓練minist: sudo sh examples/mnist/train_lenet.sh

　　沒有錯誤的話，就可以看到一串串的輸出信息啦。

      會進行10000次的迭代，耐心的等待吧！

十二、測試訓練的模型

　　當所有數據都訓練好之后，接下來就是如何將模型應用到實際數據了：

　　./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/lenet_iter_10000.caffemodel -gpu=0 

　　如果沒有GPU則使用

　　./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/lenet_iter_10000.caffemodel

十二、在CPU模式下，所以不安裝CuDnn