1. 前言
本教程使用的系統是Ubuntu 14.04 LTS 64-bit，使用的CUDA版本為8。
理論上本教程支持Pascal架構顯卡，如游戲卡GeForce GTX1070，GTX 1080，新Titan X；以及剛剛推出的計算卡Tesla P100。
如果你在安裝時使用計算卡進行GPU加速，而用於顯示的顯卡不是NVIDIA顯卡，則可能導致因為安裝NVIDIA驅動時自動加載X Server配置而無法啟動圖形界面。這時可以使用服務器版的Ubuntu，或者換用CentOS等。
2. 安裝基礎依賴項
sudo apt-get install build-essential
sudo apt-get install cmake git
3. 安裝CUDA
首先需要關閉圖形界面。
使用Ctrl+Alt+F1進入虛擬控制台，然后輸入用戶名和密碼登陸。然后關閉lightdm：
sudo /etc/init.d/lightdm stop
CUDA 8需要注冊Accelerated Computing Developer Program，然后可以免費下載。
在如下地址進行注冊和下載：
下載完成后，前往指定的目錄，然后執行：
sudo dpkg -i cuda-repo-ubuntu1404-8-0-rc_8.0.27-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda
安裝完成后，重啟電腦：
sudo reboot
之后打開Terminal，添加環境變量。使用gedit打開如下文檔：
sudo gedit /etc/profile
在文件末尾添加：
PATH=/usr/local/cuda/bin:$PATH export PATH
保存完成后，執行如下命令使環境變量立即生效：
source /etc/profile
然后還需要添加lib的路徑：
sudo gedit /etc/ld.so.conf.d/cuda.conf
在文件中寫入如下內容然后保存：
/usr/local/cuda/lib64
之后執行如下命令使之生效：
sudo ldconfig
執行完了這些操作之后，還可以安裝CUDA SAMPLES來檢測CUDA是否運行正常，鑒於這不是CUDA編程教程，本教程暫不介紹。
4. 安裝其他的一些依賴項
sudo apt-get install freeglut3-dev libx11-dev libxmu-dev libxi-dev libglu1-mesa-dev
sudo apt-get install libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev
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
PS：復制粘貼太長的命令可以能因為瀏覽器的原因導致輸入了多余的換行符，如果復制粘貼帶有換行符的命令進Terminal，會被當做兩條命令來執行，一定要注意這一點。
5. 安裝ATLAS
本步驟可以用OpenBLAS或者Intel MKL替代。我在E5-2690v2+GTX780的平台上測試過這三種庫，性能相差無幾，這里就介紹其中一種：
sudo apt-get install libatlas-base-dev
然后自動安裝完成即可。
目前intel MKL是收費軟件，OpenBLAS可以免費下載和安裝。如果使用這兩種庫，編譯Caffe時要在Makefile.config做出對應的修改。
6.下載Caffe
從GitHub上直接下載Caffe的最新版
git clone https://github.com/BVLC/caffe.git
也可以從Caffe的GitHub工程中下載Caffe的歷史版本：
7. 安裝Python
先安裝相關依賴項
sudo apt-get install python-dev python-pip
轉到下載的caffe的目錄下，然后轉到python目錄下
cd python
執行如下命令：
for req in $(cat requirements.txt); do sudo pip install $req; done
等待其自動安裝即可。
8. 編譯Caffe
在caffe目錄下，執行：
cp Makefile.config.example Makefile.config
然后打開Makefile.config，根據自己的需要修改相關參數。
進行編譯：
make all -j10
make test
make runtest
PS：-j10指10線程同時編譯，根據自己CPU的特點調整該參數，如果不了解自己CPU，直接執行make即可。
然后可以根據需求編譯pycaffe：
make pycaffe
然后caffe就安裝結束了。
9. 運行minist demo
轉到 Caffe 目錄下
sh data/mnist/get_mnist.sh
sh examples/mnist/create_mnist.sh
sh examples/mnist/train_lenet.sh
如果運行正常，caffe就可以正常工作了。
如需配置MATLAB和cuDNN，可以參考這篇教程：點擊這里
本教程編寫參考了如下教程，特此鳴謝：http://www.cnblogs.com/platero/p/3993877.html
Caffe的官方網站是 http://caffe.berkeleyvision.org/
如果有任何問題可以聯系我：yaoyaoliu AT outlook.com
最近更新於2016-09-10 22:17:22