（Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置說明，本文檔使用同一塊NVIDIA顯卡進行顯示與計算， 如分別使用不同的顯卡進行顯示和計算，則可能不適用。）
安裝開發所需要的一些基本包
sudo apt-get install build-essential
在關閉桌面管理 lightdm 的情況下安裝驅動似乎可以實現Intel 核芯顯卡 來顯示 + NVIDIA 顯卡來計算。具體步驟如下：
1. 首先在BIOS設置裡選擇用Intel顯卡來顯示或作為主要顯示設備
2. 進入Ubuntu， 按 ctrl+alt+F1 進入tty， 登錄tty後輸入如下命令
sudo service lightdm stop
該命令會關閉lightdm。如果你使用 gdm或者其他的desktop manager, 請在安裝NVIDIA驅動前關閉他。
輸入下列命令添加驅動源
sudo add-apt-repository ppa:xorg-edgers/ppa sudo apt-get update
安裝340版驅動 (CUDA 6.5.14目前最高僅支持340版驅動， 343， 346版驅動暫不支持)
sudo apt-get install nvidia-340
安裝完成後, 繼續安裝下列包 (否則在運行sample時會報錯)
sudo apt-get install nvidia-340-uvm
安裝完成後 reboot.
【點擊此鏈接】 下載CUDA 6.5.
然後通過下列命令, 將下載得到的.run文件解壓成三個文件, 分別為
這裡不安裝NVIDIA驅動
cuda6.5.run --extract=extract_path
注意, 需要通過下面命令給所有.run文件可執行權限
chmod +x *.run
通過下列命令安裝CUDA, 按照說明一步一步安裝至完成.
sudo ./cuda-linux64-rel-6.5.14-18749181.run
3.1.1 添加環境變量
安裝完成後需要在/etc/profile中添加環境變量, 在文件最後添加:
PATH=/usr/local/cuda-6.5/bin:$PATH export PATH
保存後, 執行下列命令, 使環境變量立即生效
source /etc/profile
3.1.2 添加lib庫路徑
在 /etc/ld.so.conf.d/加入文件 cuda.conf, 內容如下
/usr/local/cuda-6.5/lib64
執行下列命令使之立刻生效
sudo ldconfig
首先安裝下列依賴包
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libglu1-mesa-dev
然後用下述命令安裝sample文件
sudo ./cuda-samples-linux-6.5.14-18745345.run
完成後編譯Sample文件, 整個過程大概10分鐘左右
cd /usr/local/cuda-6.5/samples sudo make
全部編譯完成後， 進入 samples/bin/x86_64/linux/release, sudo下運行deviceQuery
sudo ./deviceQuery
如果出現下列顯卡信息， 則驅動及顯卡安裝成功：
./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
（如果沒有可以安裝OpenBLAS代替）解壓安裝包，下面有一個install_GUI.sh文件， 執行該文件，會出現圖形安裝界面，根據說明一步一步執行即可。
注意： 安裝完成後需要添加library路徑
sudo gedit /etc/ld.so.conf.d/intel_mkl.conf
在文件中添加內容
/opt/intel/lib /opt/intel/mkl/lib/intel64
注意把路徑替換成自己的安裝路徑。 編輯完後執行
sudo ldconfig
這個盡量不要手動安裝， Github上有人已經寫好了完整的安裝腳本：https://github.com/jayrambhia/Install-OpenCV
下載該腳本，進入Ubuntu/2.4 目錄, 給所有shell腳本加上可執行權限
chmod +x *.sh
然後安裝最新版本 （當前為2.4.9）
sudo ./opencv2_4_9.sh
腳本會自動安裝依賴項，下載安裝包，編譯並安裝OpenCV。整個過程大概半小時左右。
注意，中途可能會報錯
opencv-2.4.9/modules/gpu/src/nvidia/core/NCVPixelOperations.hpp(51): error: a storage class is not allowed in an explicit specialization
解決方法在此：http://code.opencv.org/issues/3814 下載 NCVPixelOperations.hpp 替換掉opencv2.4.9內的文件， 重新build。
Ubuntu14.04用戶執行
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
其他版本用戶參考官方說明：http://caffe.berkeleyvision.org/installation.html
首先安裝pip和python-dev （系統默認有python環境的， 不過我們需要的使python-dev）
sudo apt-get install python-dev python-pip
然後執行如下命令安裝編譯caffe python wrapper 所需要的額外包
for req in $(cat requirements.txt); do sudo pip install $req; done在執行上述命令時， 會報錯導致不能完全安裝所有需要的包。 可以按照官方建議安裝anaconda包。 在anaconda官網下載.sh文件，執行，最後添加bin目錄到環境變量即可。
（2014-12-03更新）
建議安裝Anaconda包，這個包能獨立於系統自帶的python庫，並且提供大部分Caffe需要的科學運算Python庫。這裡需要注意，在運行Caffe時，可能會報一些找不到libxxx.so的錯誤，而用 locate libxxx.so命令發現已經安裝在anaconda中，這時首先想到的是在/etc/ld.so.conf.d/ 下面將 $your_anaconda_path/lib 加入 LD_LIBRARY_PATH中。 但是這樣做可能導致登出後無法再進入桌面！！！原因（猜測）可能是anaconda的lib中有些內容於系統自帶的lib產生沖突。
正確的做法是：為了不讓系統在啟動時就將anaconda/lib加入系統庫目錄，可以在用戶自己的~/.bashrc 中添加library path， 比如我就在最後添加了兩行
# add library path LD_LIBRARY_PATH=your_anaconda_path/lib:$LD_LIBRARY_PATH export LD_LIBRARY_PATH
開啟另一個終端後即生效，並且重啟後能夠順利加載lightdm, 進入桌面環境。
Caffe提供了MATLAB接口， 有需要用MATLAB的同學可以額外安裝MATLAB。 安裝教程請自行搜索。
安裝完成後添加圖標 http://www.linuxidc.com/Linux/2011-01/31632.htm
sudo vi /usr/share/applications/Matlab.desktop
輸入以下內容
[Desktop Entry] Type=Application Name=Matlab GenericName=Matlab 2010b Comment=Matlab:The Language of Technical Computing Exec=sh /usr/local/MATLAB/R2010b/bin/matlab -desktop Icon=/usr/local/MATLAB/Matlab.png Terminal=false Categories=Development;Matlab;
(I use the R2013b patched package. First you should uncompress the .iso file. Then use sudo cp to copy the patch file)
終於完成了所有環境的配置，可以愉快的編譯Caffe了！ 進入caffe根目錄， 首先復制一份Makefile.config
cp Makefile.config.example Makefile.config
然後修改裡面的內容，主要需要修改的參數包括
CPU_ONLY 是否只使用CPU模式，沒有GPU沒安裝CUDA的同學可以打開這個選項
BLAS (使用intel mkl還是OpenBLAS)
MATLAB_DIR 如果需要使用MATLAB wrapper的同學需要指定matlab的安裝路徑, 如我的路徑為 /usr/local/MATLAB/R2013b (注意該目錄下需要包含bin文件夾，bin文件夾裡應該包含mex二進制程序)
DEBUG 是否使用debug模式，打開此選項則可以在eclipse或者NSight中debug程序
完成設置後， 開始編譯
make all -j4 make test make runtest
注意 -j4 是指使用幾個線程來同時編譯， 可以加快速度， j後面的數字可以根據CPU core的個數來決定， 我的CPU使4核， 所以-j4.
然後去尿個尿，喝杯茶， 回來就差不多編譯好了..
執行如下命令
make matcaffe
然後就可以跑官方的matlab demo啦。
make pycaffe
然後基本就全部安裝完拉.
接下來大家盡情地跑demo吧～
----------------------------------
為了加速Caffe，可以安裝cuDNN，參見這篇文章：NVIDIA CuDNN 安裝說明
Ubuntu 14.04 安裝配置CUDA http://www.linuxidc.com/Linux/2014-10/107501.htm
Ubuntu 12.04配置NVIDIA CUDA5.5實錄 http://www.linuxidc.com/Linux/2014-10/107502.htm
Ubuntu安裝Theano+CUDA http://www.linuxidc.com/Linux/2014-10/107503.htm
關於Ubuntu 12.04 下 CUDA5.5 的安裝請參看如下鏈接 Ubuntu 12.04 安裝 CUDA-5.5
更多Ubuntu相關信息見Ubuntu 專題頁面 http://www.linuxidc.com/topicnews.aspx?tid=2
