安裝ubuntu時贊美Rufus(建議ubuntu16.04.04)，過程參考 https://www.cnblogs.com/willnote/p/6725594.html
安 裝 前 一 定 要 注 意 確 認 當 前 硬 盤 的 存 儲 格 式 是 MBR 還 是 GPT
輸入法，瀏覽器，終端，CUDA、opencv、caffe等相關文件下載，參考百度。
方括號內容表示為變量，示計算機內實際文件(夾)而定
2018.04.18：建議安裝cuda-v9.0/v10.1而非v9.1/9.2, 對於20X0系列的顯卡，CUDA-10+是很必要的，10X0系列的還是CUDA-9好
2019.03.07：
2018.04.20：建議安裝opencv-v2.4.9+/v3.4.0，而非v3.4.1+/v4+
【C語言的API對我本人開發需求而言已經不是很必要，所以我個人開始使用4.1.0了】
2019.03.07：(或者把caffe扔了(就應該這樣！)，直接玩opencv4+里的dnn（依然可以參考本文安裝cuda/cudnn的辦法），參考“opencv-4 nvidia gpu 訓練 測試”相關搜索結果)
-----------------------------------------------------------
！保！障！網！絡！通！暢！
-----------------------------------------------------------
安裝顯卡驅動
系統設置->軟件和更新->下載自：阿里源( mirrors.aliyun.com ) 或 中科大源( mirrors.ustc.edu.cn )
輸入密碼，關閉窗口，等下載結束。
然后更新軟件：終端內
sudo apt-get update&&sudo apt-get upgrade
系統設置->軟件和更新->附加驅動->使用NVIDIA較高版本的專有驅動（如果未顯示，使用.run的安裝方法（https://blog.csdn.net/xunan003/article/details/81665835））
選擇后會開始下載和自動安裝，等讀條全部完畢后，在終端內輸入
nvidia-smi #確認輸出了有效信息，如
date +-----------------------------------------------------------------------------+ | NVIDIA-SMI XXX.XXX Driver Version: XXX.XXX | |-------------------------------+----------------------+----------------------+ | 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 1070 Off | 00000000:01:00.0 On | N/A | | 0% 31C P8 11W / 230W | 201MiB / 8110MiB | 0% Default | +-------------------------------+----------------------+----------------------+ +-----------------------------------------------------------------------------+ | Processes: GPU Memory | | GPU PID Type Process name Usage | |=============================================================================| | 0 997 G /usr/lib/xorg/Xorg 136MiB | | 0 1839 G compiz 59MiB | | 0 2358 G /usr/lib/firefox/firefox 3MiB | +-----------------------------------------------------------------------------+
-----------------------------------------------------------
-----------------------------------------------------------
-----------------------------------------------------------
-----------------------------------------------------------
安裝cuda
-----------------------------------------------------------
安裝cuda依賴包
終端內
sudo apt-get install --no-install-recommends libboost-all-dev -y sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler libopenblas-dev liblapack-dev libatlas-base-dev libgflags-dev libgoogle-glog-dev liblmdb-dev -y
-----------------------------------------------------------
安裝cuda
https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal
sudo sh ./cuda_[9.X_XXX]_linux.run --no-opengl-libs #本體，非opengl這個參數非常重要，刪掉就等着開機循環登錄吧 sudo sh ./cuda_[9.X.Y]_linux.run #[--no-opengl-libs] #補丁, 可以裝，必要性視補丁具體內容決定，修復bug和error的肯定要裝
其中，第一項顯卡驅動不需要裝（因為前一步已經裝過了，如果前一步兩種方法都安裝不了NVIDIA驅動的話，再考慮裝cuda這里自帶的驅動），第二項cuda組件必須裝，第三項cuda示例可以安裝
修改環境變量
sudo gedit ~/.bashrc
在最下端添加
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
使變量生效
source ~/.bashrc
-----------------------------------------------------------
測試cuda(如果安裝了第三項)
終端里cd進cuda示例
cd [NVIDIA_CUDA_SAMPLES]/1_Utilities/deviceQueryDrv
sudo make
./deviceQueryDrv #確認輸出了有效的顯卡信息，並記下顯卡算力“CUDA Capability Major/Minor version number:”，編譯框架時會用上
-----------------------------------------------------------
安裝cudnn
https://developer.nvidia.com/cudnn
先將cudnn壓縮包解壓
然后
#復制文件到系統環境
sudo cp [CUDNN]/cuda/include/cudnn.h /usr/local/cuda/include/ sudo cp [CUDNN]/cuda/lib64/lib* /usr/local/cuda/lib64/
#重建軟連接
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.[主版本號]
sudo ln -s libcudnn.so.[全版本號] libcudnn.so.[主版本號]
sudo ln -s libcudnn.so.[主版本號] libcudnn.so
#使鏈接在環境中生效
sudo ldconfig
-----------------------------------------------------------
-----------------------------------------------------------
安裝opencv-3.4 + contrib-master
安裝opencv-3.4 + contrib-master
安裝依賴項
sudo apt-get install -y build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev
解壓opencv
解壓opencv-contrib(使用對應版本)[nonfree的特殊工具包，不需要的話，可以不裝]
下載 ippicv_2017u3_lnx_intel64_general_20170822.tgz (https://github.com/opencv/opencv_3rdparty/tree/ippicv/master_20170822/ippicv)(或其他版本號的，具體的參考cmake-gui在configure卡住時下載的條目名稱)至文件夾 [opencv]/3rdparty/ippicv/downloads/linux-808b791a6eac9ed78d32a7666804320e/ （這串亂碼可在cmake生成的cache文件中查到類似的） 然后改名為 4e0352ce96473837b1d671ce87f17359-ippicv_2017u3_lnx_intel64_general_20170822.tgz （同）
使用cmake-gui:
勾上BUILD_DOCS BUILD_JPEG BUILD_PNG WITH_OPENGL BUILD_opencv_world
在OPENCV_EXTRA_MODULES_PATH中填寫([opencv-contrib]/modules) （3+的可以裝但沒必要，4+的為了調用WITH_CUDA的相關部分，或許有必要）
[注釋1]:
可以在cmake-gui的搜索欄里搜CU，去掉和cuda/NVIDIA有關的選項，一般用不到，除非打算自己擼框架（或者是打算用opencv3.4.3+/4.0.0+里面的dnn）
configure幾次直到框內沒有紅條（如果在輸出信息中存在相關BLAS的錯誤，暫未發現負面影響，不用管）
然后generate
有需要時再勾上WITH_QT，configure一次后填上需要的路徑並再次configure，紅條變白則校驗成功。然后generate
[注釋2]:
遇上 make[2]: *** [3rdparty/protobuf/CMakeFiles/libprotobuf.dir/src/google/protobuf/extension_set_heavy.cc.o] Error 4
時，勾選ENABLE_CXX11
編譯opencv
cd [opencv]/build make #這行不建議加-j4，曾出現過因為依賴次序問題引發的編譯錯誤 sudo make install -j4
添加引用變量
sudo gedit /etc/ld.so.conf.d/opencv.conf
文件內寫入
/usr/local/lib/x86_64-linux-gnu #（也可能沒有最后這段文件夾路徑，取決於libopencv_XXX.so文件具體在哪）
刷新鏈接
安裝caffe
sudo ldconfig
-----------------------------------------------------------
-----------------------------------------------------------安裝caffe
安裝依賴項
sudo apt-get install --no-install-recommends libboost-all-dev sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler libopenblas-dev liblapack-dev libatlas-base-dev libgflags-dev libgoogle-glog-dev liblmdb-dev git cmake build-essential -y
獲取caffe，在希望放置caffe的目錄內：
git clone https://github.com/BVLC/caffe.git
復制caffe/MakeFile.config.example為MakeFile.config
修改其中的這幾項為：
USE_CUDNN := 1 USE_OPENCV := 1 # Whatever else you find you need goes here. INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/local/include/opencv /usr/local/include/opencv2 /usr/include/hdf5/serial LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial /usr/local/lib/x86_64-linux-gnu
此外，對於這里的
CUDA_ARCH := #-gencode arch=compute_20,code=sm_20 \ #-gencode arch=compute_20,code=sm_21 \
...
只保留和顯卡算力匹配的幾行，其他的全注釋掉（顯卡算力詳見[NVIDIA_CUDA_SAMPLES]/1_Utilities/deviceQueryDrv/deviceQueryDrv，在這個文件夾內make之后./deviceQueryDrv運行）
如果編譯opencv后生成了libopencv_world.so，那么MakeFile中修改為：
ifeq ($(USE_OPENCV), 1) #（ 注意把空格換回制表符） #LIBRARIES += opencv_core opencv_highgui opencv_imgproc #ifeq ($(OPENCV_VERSION), 3) #LIBRARIES += opencv_imgcodecs #endif LIBRARIES += opencv_world endif
編譯caffe：
make all -j4
#增加引用變量
sudo gedit /etc/ld.so.conf.d/caffe.conf
內容為：
/usr/local/cuda/lib64
回到終端內：
sudo make install #刷新鏈接 sudo ldconfig
-----------------------------------------------------------
測試caffe
cd [caffe] sudo sh data/mnist/get_mnist.sh sudo sh examples/mnist/create_mnist.sh sudo sh examples/mnist/train_lenet.sh
不報錯就是安裝成功
-----------------------------------------------------------