---------[2017.07.20 更新]-------- 升级 cuda 到 8.0, 找不到各种库 ----------------------------------
cuda7.5 各种不适用，就给卸了重新安装了 8.0, 结果 caffe 不能用了.
卸载 cuda 强烈建议用 /usr/local/cuda/bin/uninstall*** 这个脚本
- 找不到 libcudart.so.7.5
地址: https://pan.baidu.com/s/1hbiTi99FPAz4hktXg9LV6g
放到: /usr/lib
sudo ldconfig /usr/local/cuda/lib64
2. 找不到 libjpeg.so.62
地址: https://pan.baidu.com/s/1XbqoMWyLswjQ4vpkizZdFw
放到: /usr/lib
执行:
cd /usr/lib
sudo ln -s libjpeg.so.62.0.0 libjpeg.so.62
sudo ln -s libjpeg.so.62.0.0 libjpeg.so
重新编译 caffe，make runtest 时候提示 driver 版本和 lib 版本对不上。
重新安装 cuda 的时候会安装最新版显卡驱动 375.66，但我发现当前显卡驱动还是 375.39
查询显卡驱动的几个命令:
nvidia-settings -q NvidiaDriverVersion
cat /proc/driver/nvidia/version
nvidia-smi
所以要彻底卸载显卡驱动和 cuda，并重新安装。
执行： 按 ctrl + alt + F1
sudo apt-get --purge remove nvidia-375 cuda
sudo apt-get install nvidia-375
sudo reboot
重启电脑后重新安装一次 cuda 就都 OK 了
------------------------【2017.06.01 更新】安装好 openblas 后，make 编译不通过 ------------------------------------
提示错误：
/usr/bin/ld: cannot find -lopenblas
解决办法是：
sudo ln -s /opt/OpenBLAS/lib/libopenblas.so /usr/lib/libopenblas.so
---------------------------------------【5.26 更新】安装 openblas----------------------------------------------------------------
先吐槽一下之前那台新电脑，跑了一下午数据后，CPU 挂了，i7 6950 。。。噗哈哈哈，借的电脑还回去了。IT 估计哭了。
对于没有 nvidia 显卡的朋友（你真穷！），总要想尽办法加快计算速度。caffe 默认的 Atlas，只能单线程运算。所以这里更新一下如何 **
安装 Openblas ** 来多线程运算，能大大加快 CPU 运算速度。
cd /path/to/caffe
git clone https://github.com/xianyi/OpenBLAS.git
cd OpenBLAS
make -j4
sudo make install
修改 Makefile.config
BLAS := open
BLAS_INCLUDE := /opt/OpenBLAS/include
BLAS_LIB := /opt/OpenBLAS/lib
修改环境变量
export OPENBLAS_NUM_THREADS=4 #这里注意你CPU多少线程的写多少，不过！一般满线程计算速度反而慢呢！
export LD_LIBRARY_PATH=/opt/OpenBLAS/lib/:$LD_LIBRARY_PATH
更新环境变量
source /etc/profile
重新编译 caffe
make clean
make all -j4
make test
make runtest
make pycaffe
---------------------------------【5.24 更新】 ------------------------------------------------------
公司电脑有毒！！新来台电脑给安装 caffe，果然又出新问题！！！！！！！！
caffe 目录下 make all -j8 提示
nvcc warning : The 'compute_20', 'sm_20', and 'sm_21' architectures are deprecated, and may be removed in a future release (Use -Wno-deprecated-gpu-targets to suppress warning).
并且在训练的时候 ** 提示 cudnnsucess 错误（11 VS. 0） ** ，我也记不清了，大概是这个错误提示。
在修改 makefile.config 无果后，找到了下面的方法：
cd caffe
make clean
mkdir build
sudo apt-get install cmake-qt-gui
cmake-gui
Where is he source code 选定 caffe 目录
where to build the binaries 选定 caffe 下新建的 build 目录
Search 填入 NVCC
右边 Advance 打上勾
在 CUDA_NVCC_FLAGS 后边 填上 --Wno-deprecated-gpu-targets
点击下边 Configure
然后点击 Generate
cd build
make install -j8
等编译完成就搞定了。
参考自： http://blog.csdn.net/10km/article/details/61619573
下面开始是正文 >>>>>>>>>>>>>>>>>>>>>>>>>>>
最近在家把双系统（主系统 WIN8，副系统 Ubuntu14.04）搞定了，准备周末没事自己在家跑跑数据啥的。正好这次也把在 Ubuntu14.04 系统
下 caffe 和对应 GPU 加速的安装指南写一下。
我电脑的配置如下：
Intel® Core™ i7-7700K CPU @ 4.20GHz × 8
GeForce GTX 1070
64-bit
驱动信息：
关于驱动大家可以去 系统设置 - 软件和更新 - 额外驱动（最后一栏）中查看，
一般是有两个，一个是 NVIDIA 的，一个是 X.Org，选择 NVIDIA 的为当前驱动。
没安装 nvidia 驱动的话在这里也可以自动安装，自动安装版本都是最新的 375.39。
如果你的是老版本，可以更新到最新版本。
或者通过下面安装ＣＵＤＡ也会直接安装最新版本的显卡驱动
出问题看这里 >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
这时候需要注意个问题，在 ** 运行第二步 sample 的时候如果不通过 ** 。可以尝试运行下面命令解决问题：
cd /usr/local/cuda/
find . -type f -execdir sed -i 's/UBUNTU_PKG_NAME = "nvidia-xxx"/UBUNTU_PKG_NAME = "nvidia-375"/g' '{}' \; #xxx是你老版本的型号。
<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
如果你不需要 gpu 加速，或者之前已经安装好了。可以跳过 1 和 2，直接看 caffe 安装指南。
1. 安装 CUDA#
先去官网下载安装包 https://developer.nvidia.com/cuda-downloads
下载 local .deb 安装包，cd 到目录运行
sudo dpkg -i xxxxxxxxx
sudo apt-get update
sudo apt-get install cuda
2. 安装 cuDNN#
也是先去官网注册下载 https://developer.nvidia.com/cudnn
不麻烦的，有点耐心弄。
下载这个要注意如果你是 gtx1070 以上的显卡要下载安装 cuDNN5.0 以上版本的库才行，
而且还要跟你的 CUDA 版本对应好。
下载好 cd 到目录运行：
tar -zxvf cudnn-8.0-linux-x64-v5.1.tgz
cd cuda/lib64/
sudo cp lib* /usr/local/cuda/lib64/
cd ../include
sudo cp cudnn.h /usr/local/cuda/include/
更新软连接
cd /usr/local/cuda/lib64/
这里最好去上面 cuda/lib64/ 目录下对照着来
sudo rm -rf libcudnn.so libcudnn.so.5
sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5
sudo ln -s libcudnn.so.5 libcudnn.so
设置环境变量
sudo gedit /etc/profile
末尾加上
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
保存好退出
刷新，使之生效
source /etc/profile
安装 Sample
cd /usr/local/cuda/samples
sudo make all -j8
-j 后面的数字根据自己电脑配置来，CPU 线程数。
这里要注意有可能会因为 g++/gcc 版本问题导致编译出错。
需要重新安装一个老版本的 g++/gcc-4.7
我的是 4.8 版本的，编译一切顺利。如果没出问题就不要 作死 降版本了啊。
下面是我的版本截图：
**
-------------------------- 安装 gcc-4.7--------------------------------------------------------------
**
先下载安装：
sudo apt-get install -y gcc-4.7
sudo apt-get install -y g++-4.7
然后更新软连接实现降版本
cd /usr/bin
sudo rm gcc
sudo ln -s gcc-4.7 gcc
sudo rm g++
sudo ln -s g++-4.7 g++
查看是否降版本成功
gcc --version
g++ --version
最后查看驱动是否安装成功
cd bin/x86_64/linux/release
./deviceQuery
出现 PASS 即为安装成功。
./deviceQuery Starting...
CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "GeForce GTX 1070"
CUDA Driver Version / Runtime Version 8.0 / 8.0
CUDA Capability Major/Minor version number: 6.1
Total amount of global memory: 8113 MBytes (8506769408 bytes)
(15) Multiprocessors, (128) CUDA Cores/MP: 1920 CUDA Cores
GPU Max Clock rate: 1823 MHz (1.82 GHz)
Memory Clock rate: 4004 Mhz
Memory Bus Width: 256-bit
L2 Cache Size: 2097152 bytes
Maximum Texture Dimension Size (x,y,z) 1D=(131072), 2D=(131072, 65536), 3D=(16384, 16384, 16384)
Maximum Layered 1D Texture Size, (num) layers 1D=(32768), 2048 layers
Maximum Layered 2D Texture Size, (num) layers 2D=(32768, 32768), 2048 layers
Total amount of constant memory: 65536 bytes
Total amount of shared memory per block: 49152 bytes
Total number of registers available per block: 65536
Warp size: 32
Maximum number of threads per multiprocessor: 2048
Maximum number of threads per block: 1024
Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
Max dimension size of a grid size (x,y,z): (2147483647, 65535, 65535)
Maximum memory pitch: 2147483647 bytes
Texture alignment: 512 bytes
Concurrent copy and kernel execution: Yes with 2 copy engine(s)
Run time limit on kernels: Yes
Integrated GPU sharing Host Memory: No
Support host page-locked memory mapping: Yes
Alignment requirement for Surfaces: Yes
Device has ECC support: Disabled
Device supports Unified Addressing (UVA): Yes
Device PCI Domain ID / Bus ID / location ID: 0 / 1 / 0
Compute Mode:
< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 8.0, CUDA Runtime Version = 8.0, NumDevs = 1, Device0 = GeForce GTX 1070
Result = PASS
3. 安装 caffe#
安装 ATLAS，这个是做线性代数运算的
sudo apt-get install libatlas-base-dev
安装依赖及工具
sudo apt-get install build-essential vim cmake git gfortran libgflags-dev libgoogle-glog-dev liblmdb-dev
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
出问题看这里 >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
我安装好上面依赖后提示了一句话 ：
/sbin/ldconfig.real: /usr/lib/nvidia-375/libEGL.so.1 is not a symbolic link
/sbin/ldconfig.real: /usr/lib32/nvidia-375/libEGL.so.1 is not a symbolic link
这个问题还算好解决 ：
cd /usr/lib/nvidia-375/
sudo rm -rf libEGL.so.1
sudo ln -s libEGL.so.375.66 libEGL.so.1
cd ../../lib32/nvidia-375/
sudo rm -rf libEGL.so.1
sudo ln -s libEGL.so.375.66 libEGL.so.1
<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
安装 Python 的包管理工具 pip
sudo apt-get install python-numpy python-pip
去下载 Caffe，我是直接给放到 home 目录下面了。
cd
git clone https://github.com/BVLC/caffe.git
根据 requirements，安装 python 的各种包。
cd caffe/python
sudo pip install --upgrade pip
for req in $(cat requirements.txt); do sudo pip install --upgrade $req -i https://pypi.tuna.tsinghua.edu.cn/simple/; done
关于上面安装各种 python 模块，我的建议是先运行一次带 -
i 的，就是用国内源安装一边所有模块。然后再删掉 - i，用默认的国外源再重新安装一遍所有模块。因为国内源有些模块安装不上去，或者更新不及时。但是国内源下载速度快很多。
出问题看这里 >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
如果 ** 安装 python requirements 出问题 ** ，重新安装 pip，运行
sudo python -m pip install -U pip
可以对照 requirements 内容自己逐个安装依赖。下面是两种安装方法，选一种安装就好。
sudo pip install xxxx
sudo apt-get install python-xxxx
<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
然后就是修改配置文件了
cd ~/caffe
cp Makefile.config.example Makefile.config
gedit Makefile.config
启用 CUDNN，取消注释
USE_CUDNN ：=1
打开：
WITH_PYTHON_LAYER ：=1
修改一下 python 包目录：
PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/local/lib/python2.7/dist-packages/numpy/core/include
可以去看一下刚才安装的 python 包都在 /usr/local/lib/python2.7/dist-packages/ 目录下面
出问题看这里 >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
有时候 make 不通过 是因为 CUDA_ARCH 不匹配，一般是 ** 老旧显卡会出现这个问题 ** 。
对于这个问题
1. 可以通过去 nvidia 官网查看你显卡的计算性能。
2. 从大往小注释，多次尝试。
我家里 GTX1070 在这里是提示 arch=compute_20,code=sm_21 不可用，注不注释没啥影响。注释了就是编译时没 warning 了而已 -_-||
我单位 GT720，当时是报错了。我注释了 arch=compute_60,code=sm_60 和 arch=compute_62,code=sm_62 这两行，
并且修改最后一行为 arch=compute_52,code=compute_52。
<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
最后可以 make 了
cd ~/caffe
make all -j8
make test -j8
make runtest -j8
make pycaffe -j8
runtest 一路绿看着人心情舒畅啊。
最后看看 Python 封装好了没
python
import caffe
不报错的话，就安装结束啦。。。