前言:
最近在學習深度學習，最先要解決的當然是開源框架的環境安裝了。之前一直在學習谷歌的Tensorflow開源框架，最近實驗中需要跟別人的算法比較，下載的別人的代碼很多都是Caffe的，所以想着搭建好Caffe環境跑別人的代碼。這中間經歷過很多彎路，開始是入了Ubuntu16.04的坑，很多教程都說GCC版本不匹配，需要降級，我也嘗試過發現很多坑；另外，就是安裝matlab版本的Caffe以及安裝GPU版本的Caffe，都經歷了很多的波折，這前后摸索大概花了半個月左右。最后發現Ubuntu14.04最適合安裝Caffe環境。
於是，我想着既然GPU版本或者matlab版本的Caffe環境配置很多坑，為什么不先從最簡單的CPU+Python版本開始配置呢？到后面對Caffe框架熟悉了或者有需要用matcaffe的時候，再去摸索GPU或者matlab版本的Caffe配置。這就是我寫本博客的初衷，先寫個配置Caffe CPU ONLY版本的博客教程，希望初學者不再對caffe環境配置談虎色變。話不多說，開始我們的教程吧！
首先，說一下本教程適用的計算機系統環境，本人筆記本安裝了Win7+Ubuntu14.04雙系統。至於安裝雙系統，可以參考網上博客：https://www.jianshu.com/p/dfd9436956b9
我下載的Ubuntu14.04是Kyliin版本，這里附上下載鏈接，直接復制到迅雷就可以下載速度很快：http://cdimage.ubuntu.com/ubuntukylin/releases/14.04/release/ubuntukylin-14.04.5-desktop-amd64.iso
至於硬件嘛，由於安裝的是CPU ONLY版本的Caffe，我覺得現在的計算機CPU基本上都可行吧，內存啥的也不是要求太高。
親測教程：
至此，同學你應該裝好了Ubuntu14.04了，對吧，那我繼續手把手教你。
注意，此時裝好Ubuntu14.04之后，不要換源，系統可能會提示你升級到Ubuntu16.04，你選擇不升級。
此時，打開終端
Step1：輸入以下代碼：
sudo apt-get update
Step2：安裝caffe必要依賴，記住每一步的依賴都要安裝：
sudo apt-get install git sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler sudo apt-get install build-essential sudo apt-get install --no-install-recommends libboost-all-dev sudo apt-get install libatlas-base-dev sudo apt-get install --no-install-recommends libboost-all-dev sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
Step3：官網拉取源碼：
cd git clone https://github.com/BVLC/caffe.git
注意第三步如果終端下載太慢，可以將該網址
https://github.com/BVLC/caffe.git
復制到瀏覽器地址欄，然后手動點擊下載ZIP包，“caffe-master.zip”，之后解壓到home文件夾即可，將解壓出來的文件夾重命名為“caffe”。
Step4：安裝第二部分依賴：
sudo apt-get install libblas-dev liblapack-dev libatlas-base-dev gfortran python-numpy sudo apt-get install python-pip sudo apt-get install python-numpy python-scipy python-matplotlib python-sklearn sudo apt-get install python-skimage python-h5py python-protobuf python-leveldb sudo apt-get install python-networkx python-nose python-pandas sudo apt-get install python-gflags Cython ipython sudo pip install --upgrade matplotlib sudo apt-get update
Step5：修改配置文件：
cd caffe cp Makefile.config.example Makefile.config gedit Makefile.config
僅修改一處，將“CPU_ONLY”選項打開即可。
(注意：如果是Ubuntu16.04，除了修改上處外，還需修改以下地方：
加入后面的部分即可
)
Step6：編譯及測試：
make all -j4 make test -j4 make runtest -j4 make pycaffe -j4 make distribute
測試時，輸入以下代碼：
cd /home/dylan/caffe/python python import caffe
其中”dylan“是我的Ubutnu用戶名，更改為你自己的即可，如果不出錯，就表示Caffe CPU+Python版本環境安裝成功，恭喜！
Step7：在Mnist運行Lenet，第一個CNN的試煉！
獲取數據源
./data/mnist/get_mnist.sh ./examples/mnist/create_mnist.sh
修改在examples文件下的Mnist下的lenet_solver.prototxt中的solver_mode:CPU
sudo gedit ./examples/mnist/lenet_solver.prototxt
solver_mode: CPU
訓練模型
./examples/mnist/train_lenet.sh
等待訓練完成。至此，本教程結束。
后續：
本教程親測成功，如有問題歡迎留言討論。
本教程只針對初學者安裝最簡單的Caffe（CPU）+Python環境
本博主會再寫后續Caffe初學者四部曲博客，盡請期待：
Caffe初學者第一部：Caffe（CPU）+Python教程
Caffe初學者第二部：Caffe（CPU）+Matlab教程
Caffe初學者第三部：Caffe（GPU）+Python教程
Caffe初學者第四部：Caffe（GPU）+Matlab教程
參考博客：
http://blog.csdn.net/wopawn/article/details/52302164
https://www.jianshu.com/p/dfd9436956b9
https://www.cnblogs.com/xuanxufeng/p/6016945.html
https://blog.csdn.net/u014696921/article/details/52156552