最近因為各種原因，裝過不少次Caffe，安裝過程很多坑，為節省新手的時間，特此總結整個安裝流程。
關於Ubuntu 版本的選擇，建議用14.04這個比較穩定的版本，但是千萬不要用麒麟版！！！比原版體驗要差很多！！！
Caffe的安裝過程，基本采納 這篇文章 然後稍作改動，跳過大坑。
Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置說明 http://www.linuxidc.com/Linux/2015-04/116444.htm
sudo apt-get install build-essential sudo apt-get install vim cmake git sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler
一般電腦都有雙顯卡：Intel 的集成顯卡 + Nvidia 的獨立顯卡。要想兩個顯卡同時運行，需要關閉 lightdm 服務。
2.1 到 這裡 下載安裝包，選Linux x86 下的 Ubuntu 14.04， Local Package Installer，下載下來的文件為
cuda-repo-ubuntu1404-7-0-local_7.0-28_amd64.deb
2.2 在BIOS設置裡選擇用Intel顯卡來顯示或作為主要顯示設備
2.3 進入Ubuntu， 按 ctrl+alt+F1 ，登入自己的賬號，然後輸入以下命令
sudo service lightdm stop
2.4 安裝 CUDA，cd 到安裝包目錄，輸入以下命令：
sudo dpkg -i cuda-repo-ubuntu1404-7-0-local_7.0-28_amd64.deb sudo apt-get update sudo apt-get install cuda
安裝完後重啟電腦。
3.1 到這裡注冊下載，貌似注冊驗證要花一兩天的樣子，嫌麻煩的可以直接到Linux公社資源站下載
資源包下載地址：
------------------------------------------分割線------------------------------------------
FTP地址：ftp://ftp1.linuxidc.com
用戶名：ftp1.linuxidc.com
密碼：www.linuxidc.com
在 2015年LinuxIDC.com\7月\Caffe在Ubuntu 14.04 64bit 下的安裝
下載方法見 http://www.linuxidc.com/Linux/2013-10/91140.htm
------------------------------------------分割線------------------------------------------
3.2 完後到下載目錄，執行以下命令安裝
tar -zxvf cudnn-6.5-linux-x64-v2.tgz cd cudnn-6.5-linux-x64-v2 sudo cp lib* /usr/local/cuda/lib64/ sudo cp cudnn.h /usr/local/cuda/include/
再更新下軟連接
cd /usr/local/cuda/lib64/ sudo rm -rf libcudnn.so libcudnn.so.6.5 sudo ln -s libcudnn.so.6.5.48 libcudnn.so.6.5 sudo ln -s libcudnn.so.6.5 libcudnn.so
3.3 設置環境變量
gedit /etc/profile
在打開的文件尾部加上
PATH=/usr/local/cuda/bin:$PATH export PATH
保存後執行以下命令使之生效
source /etc/profile
同時創建以下文件
sudo vim /etc/ld.so.conf.d/cuda.conf
內容是
/usr/local/cuda/lib64
保存後，使之生效
sudo ldconfig
4.1 Build sample
cd /usr/local/cuda/samples sudo make all -j8
我電腦是八核的，所以make 時候用-j8參數，大家根據情況更改，整個過程有點長，十分鐘左右。
4.2 查看驅動是否安裝成功
cd bin/x86_64/linux/release ./deviceQuery
出現以下信息則成功
./deviceQuery Starting...
CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "GeForce GTX 670"
CUDA Driver Version / Runtime Version 6.5 / 6.5
CUDA Capability Major/Minor version number: 3.0
Total amount of global memory: 4095 MBytes (4294246400 bytes)
( 7) Multiprocessors, (192) CUDA Cores/MP: 1344 CUDA Cores
GPU Clock rate: 1098 MHz (1.10 GHz)
Memory Clock rate: 3105 Mhz
Memory Bus Width: 256-bit
L2 Cache Size: 524288 bytes
Maximum Texture Dimension Size (x,y,z) 1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
Maximum Layered 1D Texture Size, (num) layers 1D=(16384), 2048 layers
Maximum Layered 2D Texture Size, (num) layers 2D=(16384, 16384), 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 1 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 Bus ID / PCI location ID: 1 / 0
Compute Mode:
< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 6.5, CUDA Runtime Version = 6.5, NumDevs = 1, Device0 = GeForce GTX 670
Result = PASS
4.3 安裝ATLAS
ATLAS是做線性代數運算的，還有倆可以選：一個是Intel 的 MKL，這個要收費，還有一個是OpenBLAS，這個比較麻煩；但是運行效率ATLAS < OpenBLAS < MKL
我就用ATLAS咯：
sudo apt-get install libatlas-base-dev
網上介紹用現有的anaconda，我反正不建議，因為路徑設置麻煩，很容易出錯，而且自己安裝很簡單也挺快的。
首先需要安裝pip
sudo apt-get install python-pip
再下載caffe，我把caffe放在用戶目錄下
cd git clone https://github.com/BVLC/caffe.git
再轉到caffe的python目錄，安裝scipy
cd caffe/python sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose
最後安裝requirement裡面的包，需要root權限
sudo su for req in $(cat requirements.txt); do pip install $req; done
如果提示報錯，一般是缺少必須的包引起的，直接根據提示 pip install <package-name>就行了。
安裝完後退出root權限
exit
首先修改配置文件，回到caffe目錄
cd ~/caffe cp Makefile.config.example Makefile.config gedit Makefile.config
這裡僅需修改兩處：
i) 使用cuDNN
# USE_CUDNN := 1
這裡去掉#，取消注釋為
USE_CUDNN := 1
ii) 修改python包目錄，這句話
PYTHON_INCLUDE := /usr/include/python2.7 \ /usr/lib/python2.7/dist-packages/numpy/core/include
改為
PYTHON_INCLUDE := /usr/include/python2.7 \ /usr/local/lib/python2.7/dist-packages/numpy/core/include
因為新安裝的python包目錄在這裡： /usr/local/lib/python2.7/dist-packages/
接下來就好辦了，直接make
make all -j4 make test make runtest make pycaffe
這時候cd 到caffe 下的 python 目錄，試試caffe 的 python wrapper安裝好沒有：
python import caffe
如果不報錯，那就說明安裝好了。
更多Ubuntu相關信息見Ubuntu 專題頁面 http://www.linuxidc.com/topicnews.aspx?tid=2
