安装配置 Ubuntu 14.04 + CUDA8.0 + cuDNN v5 + caffe

一、硬件与环境

显卡：GTX 1080 系统：Ubuntu 14.04 CUDA：cuda_8.0.44_linux.run cuDNN：cudnn-8.0-linux-x64-v5.1.tgz

注意：

GTX1080显卡必须用CUDA 8.0版本。CUDA从此处下载。切记，千万不要下载 deb 包，否则后方无数坑在等着你。 CUDA下载界面 GTX1080显卡必须用cuDNN-8.0-V5.1版本，不然用 caffe 跑模型，用 CPU或GPU显卡跑精度正常，一旦开启cuDNN模式，精度（acc）立刻下降到 0.1 左右，loss 非常大。cuDNN在此处下载。下载需注册。最好注册一个账号，选择对应的版本，不要用网上其他教程给的现成的包，出问题的概率非常大。

二、安装：

注意：一定要按顺序！ 注意：一定要按顺序！ 注意：一定要按顺序！

1. 安装 Ubuntu 14.04

本文不关注。假设你已经将此系统做过稳定的开发环境，这不是全新安装后的系统，至少 git 等最常用包已经安装。缺什么装什么，apt-get 大法好。

2. 禁用 nouveau 驱动

打开终端，输入$ sudo gedit /etc/modprobe.d/blacklist-nouveau.conf,输入

blacklist nouveau options nouveau modset=0

保存退出，执行$ sudo update-initramfs -u，禁用结束。重启电脑。

验证驱动是否禁用成功：

输入$ sudo lspci | grep nouveau，如果没有内容，则禁用成功。

什么都没有，则禁用成功

3. 安装CUDA 8.0

运行下载好的 run file （假设 cuda_8.0.44_linux.run 在家目录下）。 $ sudo sh cuda_8.0.44_linux.run 一路回车即可。 验证是否安装成功： 输入$ ls /dev/nvidia*，若生成 4 个左右 Nvidia 开头的文件（夹），说明此步安装成功。此时已经安装好显卡驱动和CUDA 8.0。输入$ nvidia-smi可查看显卡驱动和其他信息。

生成了五个 nvidia 开头的文件夹 显卡驱动版本信息

注意：网上其他教程由于年代久远，里面不建议安装此 CUDA 包中的显卡驱动。然而，这个包中的显卡驱动大版本为 367 ，非常新，可以用。

4. 配置环境变量

输入$ sudo gedit /etc/profile，打开 gedit ，最后两行输入

export PATH=/usr/local/cuda-8.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

保存退出，环境变量配置完成。

5. 安装 cuDNN

你已经下载好 cudnn-8.0-linux-x64-v5.1.tgz，并将其放在家目录（$ cd ~）下。 按顺序输入以下代码：

$ cd ~ $ sudo tar xvf cudnn-8.0-linux-x64-v5.1.tgz $ cd cuda/include $ sudo cp *.h /usr/local/include/ $ cd ../lib64 $ sudo cp lib* /usr/local/lib/ $ cd /usr/local/lib# sudo chmod +r libcudnn.so.5.1.5 $ sudo ln -sf libcudnn.so.5.1.5 libcudnn.so.5 $ sudo ln -sf libcudnn.so.5 libcudnn.so $ sudo ldconfig

注意：libcudnn.so后面跟的数字可能和你下载的 cudnn 包小版本的不同而不同，去~/cuda/lib64下看一眼，相对应地进行修改。

6. 安装 caffe

(1) 下载 caffe　（下载ｃａｆｆｅ时千万不要用sudo 命令下载，否则后面就没办法用过图形界面对该文件夹里的文件进行操作！！！！）

在家目录执行 $ git clone https://github.com/BVLC/caffe.git，~下生成文件夹 caffe。

(2) 安装依赖

$ sudo apt-get install libatlas-base-dev libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler

(3) 编译 caffe

打开 caffe 所在目录，找到Makefile.config.example文件，将其改名为Makefile.config，打开。将# USE_CUDNN ：= 1一行开头的＃删除，保存。

在 MakeFile.config 中开启 cuDNN模，　 因为我需要在ｃａｆｆｅ的ｐｒｏｔｏｔｘｔ中添加自己用ｐｙｔｈｏｎ写的ｌａｙｅｒ，因此ＷＩＴＨ＿ＰＹＴＨＯＮ前的那个＂＃＂也要去掉，同时要把第二个ＭＡＴＬＡＢ＿ＤＩＲ的路径改成对应的安装路径．

打开终端，输入

cd ~/caffe make -j

等待编译完成即可。 注意：编译需要非常大的内存和非常长的时间。一般情况下不会报错。报错查阅相关书籍和搜索引擎，此处不关注。

(4) 配置 caffe 环境　（这个我没有用到）

caffe 运行时需要调用 cuda 的库，我们在/etc/ld.so.conf.d目录下新建一个cafe.conf文件。终端输入 $ sudo gedit /etc/ld.so.conf.d/caffe.conf 打开 gedit 。添加内容： /usr/local/cuda/lib64 保存退出。 更新配置 $ sudo ldconfig

所有配置结束。

三、测试

此处说的很简略。假设你已经初步掌握 caffe 的用法。

# cd ~/caffe # sudo sh data/mnist/get_mnist.sh # sudo sh examples/mnist/create_mnist.sh # sudo sh examples/mnist/train_lenet.sh

感受1080开启cuDNN模式的强大吧！

caffe 例程结果

接下来编译 python 接口和 matlab 接口:

$ make pycaffe -j 8 $ make matcaffe -j 8 在编译ｐｙｃａｆｆｅ时出现了问题 python/caffe/_caffe.cpp:10:31: fatal error: numpy/arrayobject.h: no such file or directory Makefile:498: recipe for target 'python/caffe/_caffe.so' failed make: *** [python/caffe/_caffe.so] Error 1 一查才知道我usr/python2.7　中的ｎｕｍｐｙ当时没有安装成功． sudo apt-get install python-numpy 但因为系统检测到已经有ｎｕｍｐｙ这个文件（虽然不能工作）所以就不下载．因此还需要先移除以前按的版本． sudo apt-get ａｕｔｏｒｅｍｏｖｅ python-numpy sudo apt-get install python-numpy这样就好了．