1. 前言

本教程使用的系统是Ubuntu 14.04 LTS 64-bit，使用的CUDA版本为7.5，使用的NVIDIA驱动版本为352。

如果您使用的Pascal架构显卡，如GTX1080或者新ttx，则必须使用更高版本的驱动和CUDA 8。本教程不适于这种情况，请不要尝试。

Ubuntu每两年发布一次LTS版本（即长期支持版），所以现在已经发布了16.04 LTS版本。鉴于很多程序在新系统下的兼容性还没有测试，本教程依然介绍的是上一个LTS版本上安装Caffe的方法，随后会推出针对于Ubuntu 16.04和CUDA 8的教程。

2. 安装基础依赖项

sudo apt-get install build-essential

sudo apt-get install cmake git

3. 安装NVIDIA驱动

首先需要关闭图形界面，使用Ctrl+Alt+F1进入虚拟控制台，然后输入用户名和密码登陆。

然后关闭lightdm

sudo /etc/init.d/lightdm stop

然后更新源，并从Ubuntu官方源中安装NVIDIA 352驱动

sudo apt-get install nvidia-352

这是目前官方源中最新的驱动版本，如果需要更高版本的驱动，可以前往NVIDIA官网进行下载。

然后重启电脑即可。

sudo reboot

PS：用这种方式安装NVIDIA显卡驱动，会自动覆盖Ubuntu的X Server配置，这样如果你的显示器连接的不是NVIDIA显卡，就无法正常启动图形界面。使用Tesla等计算卡的同学们请注意这一点。

4. 安装CUDA 7.5

从NVIDIA官网下载CUDA 7.5的deb本地安装包：下载地址

点击如上的链接可以下载支持x86架构CPU和Ubuntu 14.04系统的deb本地安装包，大小约1.9GB，如果需要其他安装方式可以按官网教程进行。

下载完成后，打开Terminal，前往指定的目录，然后执行：

sudo dpkg -i cuda-repo-ubuntu1404-7-5-local_7.5-18_amd64.deb

sudo apt-get update

sudo apt-get install cuda

安装完成后，需要添加环境变量。使用gedit打开如下文档：

sudo gedit /etc/profile

在文件末尾添加：

PATH=/usr/local/cuda/bin:$PATHexport PATH

保存完成后，执行如下命令使环境变量立即生效：

source /etc/profile

然后还需要添加lib的路径：

sudo gedit /etc/ld.so.conf.d/cuda.conf

在文件中写入如下内容然后保存：

/usr/local/cuda/lib64

之后执行如下命令使之生效：

sudo ldconfig

PS：上面的命令使L-D-C-O-N-F-I-G!!! 无数的人把L写成了I，然后告诉我报错。

执行完了这些操作之后，还可以安装CUDA SAMPLES来检测CUDA是否运行正常，鉴于这不是CUDA编程教程，本教程暂不介绍。

4. 安装其他的一些依赖项

sudo apt-get install freeglut3-dev libx11-dev libxmu-dev libxi-dev libglu1-mesa-dev

sudo apt-get install libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev

sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

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

5. 安装ATLAS

本步骤可以用OpenBLAS或者Intel MKL替代。我在E5-2690v2+GTX780的平台上测试过这三种库，性能相差无几，这里就介绍其中一种：

sudo apt-get install libatlas-dev

然后自动安装完成即可。

6. 安装OpenCV

从OpenCV官网上下载OpenCV官网上下载OpenCV的未编译源代码：

点击这里

国内很多网络打开OpenCV官网速度缓慢，可以点击如下地址直接从GitHub上下载OpenCV 3.1的源代码

下载地址

下载完成后解压缩，然后在Terminal中转到该目录下，执行

mkdir build

cd build

cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..

make -j10

PS:上一句代码中的-j10指10线程同时编译，根据自己CPU的特点调整该参数，如果不了解自己CPU，直接执行make即可。

sudo make install

 7.下载Caffe并安装Python环境

从GitHub上直接下载Caffe的最新版

git clone https://github.com/BVLC/caffe.git

先安装相关依赖项

sudo apt-get install python-dev python-pip

转到下载的caffe的目录下，然后转到python目录下

cd python

执行如下命令：

for req in $(cat requirements.txt); do sudo pip install $req; done

等待其自动安装即可。

8. 安装MATLAB

本步骤为可选项目，MATLAB为收费软件，请支持正版。

9. 安装cuDNN

cuDNN需要注册Accelerated Computing Developer Program，然后可以免费下载。

cuDNN是The NVIDIA CUDA® Deep Neural Network library，对于使用NVIDIA进行深度学习加速具有很大的性能提升，非常建议添加。

下载后解压缩，转到该目录下，执行：

sudo cp lib* /usr/local/cuda/lib64/sudo cp cudnn.h /usr/local/cuda/include/

更新软链接

cd /usr/local/cuda/lib64/sudo rm -rf libcudnn.so libcudnn.so.5sudo ln -s libcudnn.so.5.1.3 libcudnn.so.5sudo ln -s libcudnn.so.5 libcudnn.so

PS：根据你下载的cuDNN版本不同，需要对如上命令中的版本进行修改，以上展示的命令是对于cuDNN 5.1.3的。

10. 编译Caffe

在caffe目录下，执行：

cp Makefile.config.example Makefile.config

然后打开Makefile.config，根据自己的需要修改相关参数。

如果使用了cuDNN,则如下行取消注释：

# USE_CUDNN := 1

如上教程中，使用了OpenCV 3.1，则如下行取消注释：

# OPENCV_VERSION := 3

其他可以根据需求修改，比如安装了MATLAB后写入正确的MATLAB安装路径等。

然后进行编译：

make all -j10make testmake runtest

PS：-j10这一参数已经在前面的教程中说过了，再说一次：

      -j10指10线程同时编译，根据自己CPU的特点调整该参数，如果不了解自己CPU，直接执行make即可。

然后可以根据需求编译matcaffe和pycaffe：

make matcaffemake pycaffe

然后caffe就安装结束了。

11. 运行minist demo

转到 Caffe 目录下

sh data/mnist/get_mnist.shsh examples/mnist/create_mnist.shsh examples/mnist/train_lenet.sh

如果运行正常，caffe就可以正常工作了。

本教程编写参考了如下教程，特此鸣谢：

http://www.cnblogs.com/platero/p/3993877.html

如果有任何问题可以联系我：

liuyaoyao@tju.edu.cn

Caffe配置最简明教程 ( Ubuntu 14.04 )