Ubuntu16.04系統下CUDA8.0配置Caffe教程
由於最近安裝了Ubuntu16.04，苦於之前配置Caffe的教程都在版本14.04左右，無奈只能自己摸索，最終配置成功。本文教程的特點是不需要降級gcc的版本，畢竟cuda7.5不支持gcc5以上(默認不支持，實際支持)，避免出現一系列亂七八糟的問題，反正之前我是碰到了。
本文是在參考caffe官網教程以及http://www.linuxidc.com/Linux/2015-07/120449.htm結合自己總結經驗而來，對此表示感謝。
1. 所需文件下載
1.1 Ubuntu16.04在官網下載，然后在windows下用UltraISO制作，相關文章搜索有一大片，此處不再贅述。
1.2 cuda8.0，下載的版本是ubuntu16.04的run文件，個人感覺比較方便。
1.3 cudnn5.0，進去之后如果有注冊過nvidia的賬戶直接點擊download，否則需要注冊一個賬戶，注冊完之后有一個調查，隨便選幾個鈎就可以，然后下一步是接受條款開始就可以下載了。
1.4 caffe下載就在官方的github下載就可以了
2. 顯卡驅動安裝
2. 直接在ubuntu系統設置，軟件和更新里面，選擇中國的服務器源刷新之后，點擊附加驅動選項，在Nvidia Corporation選擇367，然后點擊應用更改，下載安裝完之后重啟。
安裝顯卡驅動后可以用nvidia-smi測試
出現這個界面就說明安裝成功了，但是之后你要在系統設置的電源選項里面設置不要掛起，就是各種不要掛起，但是我的是筆記本，合蓋的時候還是會掛起，
掛起之后，只能強制關機，然后冷啟動。
我的電腦可能太獨特了（我的電腦是Alienware15r2），有時候揚聲器有聲音，有時候沒有聲音，線性耳機是一直沒有聲音，沒有聲音的時候，我就用藍牙耳機連接才能有聲音，重啟的話，得看人品，有時候好使，有時候還是沒聲音。
如果你的電腦配置一般，恰巧想換電腦的話，奉勸你不要買預裝windows的電腦，現在的電腦都是win10，體驗很差，安裝ubuntu后也是各種驅動不兼容，不如直接買Mac，雖然貴了點，但是還是很好用的，進行深度學習的訓練可以安裝虛擬機跑cpu版本，或者ssh連接服務器進行訓練。
3. Cuda8.0安裝
3.1 以文件名為cuda.run為例，終端下輸入 sh cuda.run --override 啟動安裝程序，此處有大量的條款，一路空格到最后 輸入accept，依次輸入y回車，然后n(不安裝顯卡驅動)，然后一路y回車，有一個地方需要輸入密碼，還有兩個地方確認安裝路徑，直接回車即可，完成安裝，默認安裝路徑是/usr/local
將下載下來的cudnn-8.0-linux-x64-v5.0-ga.tgz 解壓之后，解壓后的cuda文件夾先打開里面的include文件夾，空白右鍵在終端打開輸入： sudo cp cudnn.h /usr/local/cuda/include/ cd ~/cuda/lib64 sudo cp lib* /usr/local/cuda/lib64/
繼續更新文件鏈接
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5
sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5
sudo ln -s libcudnn.so.5 libcudnn.so
然后設置環境變量 sudo gedit /etc/profile
在末尾加入 PATH=/usr/local/cuda/bin:$PATH
export PATH
保存之后創建鏈接文件 sudo vim /etc/ld.so.conf.d/cuda.conf
鍵盤按i進入編輯狀態，添加文字 /usr/local/cuda/lib64
然后按esc，輸入:wq保存退出。
終端下接着輸入 sudo ldconfig 使鏈接生效
4. 生成Cuda Sample測試
首先在此之前先把需要的依賴包都安裝好，為接下來make caffe做准備 sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler sudo apt-get install --no-install-recommends libboost-all-dev sudo apt-get install libatlas-base-dev sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
然后開始make samples ，終端下
/home/lester/NVIDIA_CUDA-8.0_Samplessudo make all -j4 cd /home/lester/NVIDIA_CUDA-8.0_Samples sudo make all -j4
這就應該開始make了，此處大約有5、6分鍾。完成之后 cd /home/lester/NVIDIA_CUDA-8.0_Samples/bin/x86_64/linux/release
./deviceQuery
會出現類似以下的信息
< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 8.0, CUDA Runtime Version = 7.5, NumDevs = 1, Device0 = GeForce GTX 750 Ti
Result = PASS
這就說明成功了。
5. Python配置
將之前github下載的caffe壓縮文件解壓縮到任一目錄，然后安裝python
python的版本安裝有兩種方式：
第一是直接安裝anaconda，去官網下載 ，選擇linux 64bit 2.7版本下載安裝，anaconda安裝方便但是需要在最后的make配置文件中更改python包含路徑。
第二種方法就是使用原生的python2.7版本，終端下 sudo apt-get install python-pip 安裝pip
這里我們用pip安裝一些python需要的依賴包，不過為了避免各種問題，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
以caffe默認解壓到/home/user(你的用戶名)/ ，文件夾名名稱caffe為例 cd /home/user/caffe/python sudo su for req in $(cat requirements.txt); do pip install $req; done
這里用pip安裝可能速度很慢，很可能下載好幾個小時，推薦用清華大學的pip源臨時安裝，所以命令改為如下： for req in $(cat requirements.txt); do pip install -i https://pypi.tuna.tsinghua.edu.cn/simple $req; done
這里如果第一次有很多紅字錯誤，建議再運行幾遍指導安裝成功，對於黃字提示無需理會，可能是pip版本需要更新。
6.NCCL安裝（貌似是用於多顯卡並行加速用的）
這個直接git clone https://github.com/NVIDIA/nccl
cd nccl/
make CUDA_HOME=<cuda install path> test
舉個例子，我運行的命令是make CUDA_HOME=/usr/local/cuda test
vim /etc/profile
於文件末尾處添加你的nccl動態庫路徑
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/hugo/nccl/build/lib
sourch ~/.bashrc
./build/test/single/all_reduce_test 10000000
sudo make install
sudo ldconfig
然后應該就可以了
我在nccl這里安裝借鑒的是http://www.cnblogs.com/darkknightzh/p/5717234.html
7. Caffe編譯過程
我的caffe是直接下載壓縮包然后解壓的，直接使用git克隆，會又莫名其妙的問題，我就沒管它，反正直接下載壓縮包再解壓不報錯
接下來要進入最后的步驟了，終端中 cd /home/user/caffe cp Makefile.config.example Makefile.config gedit Makefile.config
將USE_CUDNN := 1 取消注釋，在 INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include后面打上一個空格 然后添加/usr/include/hdf5/serial 如果沒有這一句可能會報一個找不到hdf5.h的錯誤
就像這樣，你可以直接復制粘貼過去
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/lib/x86_64-linux-gnu/hdf5/serial/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial/lib
PYTHON_INCLUDE := /usr/include/python2.7 \ 先不做更改。
/usr/lib/python2.7/dist-packages/numpy/core/include
如果你電腦上有多個相同型號的顯卡，並且安裝了nccl，那么去掉USE_NCCL=1之前的注釋。
第二，在make過程中還會報一個ld找不到libhdf5 和libhdf5_hl的鏈接問題，這個原因可能也是因為hdf5的問題，首先看/usr/lib/x86_64-linux-gnu 目錄下有沒有libhdf5.so和libhdf5_hl.so，如果有的話，查看屬性是否有正確的鏈接(正常情況下應該是沒有這兩個文件)，然后右鍵在終端中打開 sudo ln libhdf5_serial.so.10.1.0 libhdf5.so sudo ln libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so
注意，10.1.0和10.0.2可能不同電腦安裝版本不同，注意看當前目錄下存在的文件然后 sudo ldconfig 生效
接下來就是直接編譯的過程 cd /home/user/caffe make all -j4 make test -j4 make runtest make pycaffe make matcaffe
如果編譯沒報錯正常的話，基本就沒問題了。測試python打開
我到這一步import caffe 是找不到模塊的，然后就有了第8步
8. 使Caffe的python接口永久生效
sudo gedit /etc/profile
profile最后添加: export PYTHONPATH=/root/$CAFFE_ROOT/python:$PYTHONPATH
source /etc/profile
在命令行直接輸入caffe顯示找不到命令
sudo gedit ~/.bashrc
在最后添加上export PATH=/home/你的用戶名/caffe/build/tools:$PATH
source ~/.bashrc
注意：
有一些python庫沒有安裝，在import caffe測試時會出錯，常見的庫缺失錯誤：
ImportError: No module named skimage.io
執行命令
easy_install scikit-image
sudo pip install scikit-image
9.運行訓練mnist網絡問題
cd /caffe/data/mnist
./get_mnish.sh
回到caffe目錄下
./excamples/mnist/create_mnist.sh（這條命令一定要在caffe根目錄下運行，不知道為什么，不在根目錄運行就說找不到文件，坑爹）
./excamples/mnist/train_lenet.sh
然后在命令行上就可以看到mnist訓練集的訓練情況了
如果你看不懂顯示的是什么，可以看我的其他博客
經過三天的無法導入numpy模塊，中間我試過將Pyhton2.7.12升級到2.7.13,卸載Python，卸載模塊，各種方法，然后還是不好使，我在咒罵ubuntu和caffe之后選擇了屈服，重裝ubuntu，竟然好使了，之前也是莫名其妙就不好使了，唉，坑啊。。。。。。。。。
我參考了這兩篇博客，有些是直接復制過來的，加入了一點我遇到的錯誤和解決方法。
http://www.cnblogs.com/balmy/p/5742872.html
http://blog.csdn.net/g0m3e/article/details/51420565
有-時-會-需-要-一-些-越-（-f-a-n-）-獄（q-i-a--n-g）-才-能-看-的-資-料，-可-以-使-用-藍-燈-，-專-業-版-速-度-更-快，
可-以-輸-入-我-的-邀-請-碼- H9WHX5 -來-獲-得-三-個-月-的-藍-燈-專-業-版-！-立-即-下-載- https://github.com/getlantern/forum