Caffe已經是第三次安裝配置了，為什麼是第三次呢？因為我實在是低估了深度學習對於硬件的要求。第一次我在自己筆記本上配置的單核，CPU only ... 結果是，樣例數據跑了4小時，這還怎麼玩？第二次在台式機上，因為台式機比較low，I5處理器4核，沒有NVIDIA的GPU。我把別人訓練好的模型下載下來，然後自己測試，發現真的成功了，心裡小激動~ 然而，當我自己訓練模型時，我訓練7天..... 關鍵是7天了還在跑.....
心想，我這個窮逼難道要自己掏錢買個服務器？那怎麼可能。還好，老師人非常好，給我找了個服務器~ 現在終於是勞資大顯身手的時候了。
整個配置過程很長啊，坑多，沒有Linux基礎的就別來了，你會崩潰的。我參考了好幾個帖子，基本上每個帖子都有或多或少的問題，文章結尾的時候，我會留下前輩們的文章地址，算是對他們的尊敬和對我幫助的感謝。好，下面切入正題！
電腦配置：
系統：Ubuntu16.04 GPU：NVIDIA Corporation GM107GL [Quadro K620] (提示：在linux下可以通過 lspci | grep -i vga 查看）
Caffe 深度學習入門教程 http://www.linuxidc.com/Linux/2016-11/136774.htm
Ubuntu 16.04下Matlab2014a+Anaconda2+OpenCV3.1+Caffe安裝 http://www.linuxidc.com/Linux/2016-07/132860.htm
Ubuntu 16.04系統下CUDA7.5配置Caffe教程 http://www.linuxidc.com/Linux/2016-07/132859.htm
Caffe在Ubuntu 14.04 64bit 下的安裝 http://www.linuxidc.com/Linux/2015-07/120449.htm
深度學習框架Caffe在Ubuntu下編譯安裝 http://www.linuxidc.com/Linux/2016-07/133225.htm
Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置說明 http://www.linuxidc.com/Linux/2015-04/116444.htm
Ubuntu 16.04上安裝Caffe http://www.linuxidc.com/Linux/2016-08/134585.htm
Caffe配置簡明教程 ( Ubuntu 14.04 / CUDA 7.5 / cuDNN 5.1 / OpenCV 3.1 ) http://www.linuxidc.com/Linux/2016-09/135016.htm
Ubuntu 16.04上安裝Caffe(CPU only) http://www.linuxidc.com/Linux/2016-09/135034.htm
安裝過程
1.安裝相關依賴項
1 sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler 2 sudo apt-get install --no-install-recommends libboost-all-dev 3 sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev 4 sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
2.安裝NVIDIA驅動
(1)查詢NVIDIA驅動
首先去官網 http://www.nvidia.com/Download/index.aspx?lang=en-us 查看適合自己顯卡的驅動並下載：
驅動文件後綴名應當是以.run結尾的。我們要把這個文件移動到家目錄下，原因是下面我們要切換到文字界面下，如果放到~/下載 下面，我們沒有辦法進入下載這個目錄（沒有中文輸入法，且中文全部是亂碼）
圖1 輸入顯卡型號 圖2 顯卡驅動搜索結果
我的顯卡型號是Quadro K620，系統是linux 64位，按照要求選擇後點擊search. 圖2是搜索結果，點擊下載就好了。
我下載後的驅動文件是：NVIDIA-Linux-x86_64-375.20.run
（2）安裝驅動
在終端下輸入： sudo gedit /etc/modprobe.d/blacklist.conf
輸入密碼後在最後一行加上 blacklist nouveau . 這裡是將Ubuntu自帶的顯卡驅動加入黑名單。
在終端輸入： sudo update-initramfs -u
重啟電腦~
這裡要尤其注意，安裝顯卡驅動要先切換到文字界面，(按Ctrl+Alt+F1~F6).所以，啟動電腦後，先進入文字界面。
然後，輸入命令 sudo service lightdm stop
現在可以安裝驅動了，先進入家目錄 cd ~ ，然後： sudo ./NVIDIA-Linux-x86_64-375.20.run，按照提示一步步來~
完成後，再次重啟電腦。
安裝完成之後輸入以下指令進行驗證： sudo nvidia-smi ，若列出了GPU的信息列表則表示驅動安裝成功。如下圖：
3.安裝CUDA
CUDA是NVIDIA的編程語言平台，想使用GPU就必須要使用cuda。 （1）下載CUDA 首先在官網上(https://developer.nvidia.com/cuda-downloads)下載CUDA：(2) 下載完成後執行以下命令：
1 sudo chmod 777 cuda_8.0.44_linux.run 2 sudo ./cuda_8.0.44_linux.run
注意：執行後會有一系列提示讓你確認，但是注意，有個讓你選擇是否安裝nvidia367驅動時，一定要選擇否：
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 367.48?
因為前面我們已經安裝了更加新的nvidia367，所以這裡不要選擇安裝。其余的都直接默認或者選擇是即可。
(3)環境變量配置
打開~/.bashrc文件： sudo gedit ~/.bashrc
將以下內容寫入到~/.bashrc尾部：
1 export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
2 export LD_LIBRARY_PATH=/usr/local/cuda8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
(4)測試CUDA的samples
1 cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery 2 make 3 sudo ./deviceQuery
如果顯示一些關於GPU的信息，則說明安裝成功。
4.配置cuDNN
cuDNN是GPU加速計算深層神經網絡的庫。
首先去官網 https://developer.nvidia.com/rdp/cudnn-download 下載cuDNN，需要注冊一個賬號才能下載。下載版本號如下圖：
下載cuDNN5.1之後進行解壓：
sudo tar -zxvf ./cudnn-8.0-linux-x64-v5.1.tgz
進入cuDNN5.1解壓之後的include目錄，在命令行進行如下操作：
cd cuda/include sudo cp cudnn.h /usr/local/cuda/include #復制頭文件
再將進入lib64目錄下的動態文件進行復制和鏈接：
cd .. cd lib64 sudo cp lib* /usr/local/cuda/lib64/ #復制動態鏈接庫 cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5 #刪除原有動態文件 sudo ln -s libcudnn.so.5.0.5 libcudnn.so.5 #生成軟銜接 sudo ln -s libcudnn.so.5 libcudnn.so #生成軟鏈接
5.安裝opencv3.1
從官網(http://opencv.org/downloads.html)下載Opencv,並將其解壓到你要安裝的位置，假設解壓到了/home/opencv。
1 unzip opencv-3.1.0.zip 2 sudo cp ./opencv-3.1.0 /home 3 sudo mv opencv-3.1.0 opencv
安裝前准備，創建編譯文件夾：
cd ~/opencv mkdir build cd build
配置：
1 sudo apt install cmake 2 sudo cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
編譯：
sudo make -j8
-j8表示並行計算，根據自己電腦的配置進行設置，配置比較低的電腦可以將數字改小或不使用，直接輸make。
可能出現問題：
這是因為opecv3.0與cuda8.0不兼容導致的。解決辦法：修改 ～/opencv/modules/cudalegacy/src/graphcuts.cpp文件內容，如圖：其中， #if !defined (HAVE_CUDA) || defined (CUDA_DISABLER)||(CUDART_VERSION>=8000) 是我們修改的。
以上只是將opencv編譯成功，還沒將opencv安裝，需要運行下面指令進行安裝：
sudo make install
