转自：碧尧博客地址

深度学习环境搭建

开始接触深度学习一年多时间了，总是有种技术发展飞快，没等你掌握现有技术更牛X的技术又出来了。身处AI浪潮中，到现在越发有种感觉：深度学习可能很多问题都能解决，但我们自己并没有那么多精力去研究那么多方面，自然语言处理，自动驾驶，人脸识别等等，选定一个方向深入研究才是正解。至少目前是这么理解的，不对希望朋友指正！

如今深度学习的框架很多，Caffe，TensorFlow，Torch等都各有各的优势，开始深度学习不可避免要配置深度学习的工作环境，如果不知道方法也许在开头就会花费很多时间，写这篇博客的目的就是帮助大家更快上手。下面介绍Caffe在Ubuntu 16.04上的搭建过程（Ubuntu 14.04同样可以）

Caffe

Caffe的环境搭建在几个框架中是最麻烦的，因为Caffe用到的依赖库很多，如果配置GPU版有时候显卡驱动和CUDA也能把你折腾好久。CPU版和GPU版主要差别就是在NVIDIA显卡驱动和CUDA的安装上，其他框架要用到NVIDIA显卡其实差别也就是这样，因此这也算服务器基础。两个版本有区别的地方会注明。

Nvidia driver

lspci | grep -i nvidia

sudo add-apt-repository ppa:graphics-drivers/ppa

sudo apt-get update

sudo apt-get install nvidia-352 % 版本自己查询

sudo shutdown -r now

重启后用下面命令查看驱动版本

1	cat /proc/driver/nvidia/version

CUDA

到CUDA官网下载CUDA安装文件，选择对应版本

这里有下载deb [local]文件，后面会说runfile [local]的用法，先卖个关子。
下载好后cd到存放安装的文件夹，使用一下命令，文件名千万别手输，善用tab键

sudo dpkg -i cuda-repo-ubuntu1604*amd64.deb

sudo apt-get update

sudo apt-get install cuda

安装结束，添加环境变量（如果安装服务器，环境变量在每个用户下都需要添加一次，应该是有更聪明的方法，目前还没有找到）

echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc

echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc

source ~/.bashrc

查看安装CUDA版本

nvcc -V

显示下图信息说明安装好了

再重启下电脑

1	sudo shutdown -r now

cuDNN

这是深度学习训练过程中的加速算法包，到cuDNN 下载对应的安装包，cd到安装包所在文件夹

tar xvf cudnn*.tgz

cd cuda

sudo cp */*.h /usr/local/cuda/include/

sudo cp */libcudnn* /usr/local/cuda/lib64/

sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

上面说runfile (local)卖了个关子，可以显卡驱动和CUDA一起安装，属于比较方便的方法，和之前的方法有什么差别目前还不知道

1	sudo sh cuda_8.0.61_375.26_linux.run

运行这句命令，接下来根据提示操作就好了
结束后按照上面的方法添加环境变量

依赖库安装（CPU版从这里开始）

sudo apt-get update

sudo apt-get upgrade

sudo apt-get install build-essential cmake g++ gfortran git pkg-config python-dev software-properties-common wget

sudo apt-get autoremove

sudo rm -rf /var/lib/apt/lists/*

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler

sudo apt-get install --no-install-recommends libboost-all-dev

sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

sudo apt-get install -y libatlas-base-dev

sudo apt-get install -y python-pip

下载Caffe

cd ~

mkdir git //在home下新建一个git文件夹，用来存放那些从github上git下来的文件

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

cd caffe

cp Makefile.config.example Makefile.config

修改Makefile.config

//如果你不使用GPU的话，就将

# CPU_ONLY := 1

修改成：

CPU_ONLY := 1

//若使用cudnn，则将

# USE_CUDNN := 1

修改成：

USE_CUDNN := 1

//若使用的opencv版本是3的，则将

# OPENCV_VERSION := 3

修改为：

OPENCV_VERSION := 3

//若要使用python来编写layer，则需要将

# WITH_PYTHON_LAYER := 1

修改为

WITH_PYTHON_LAYER := 1

//重要的一项

将# Whatever else you find you need goes here.下面的

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include

LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib

修改为：

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial

LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial

//这是因为ubuntu16.04的文件包含位置发生了变化，尤其是需要用到的hdf5的位置，所以需要更改这一路径

创建Hdf5文件链接

find . -type f -exec sed -i -e 's^"hdf5.h"^"hdf5/serial/hdf5.h"^g' -e 's^"hdf5_hl.h"^"hdf5/serial/hdf5_hl.h"^g' '{}' \;

cd /usr/lib/x86_64-linux-gnu

sudo ln -s libhdf5_serial.so.10.1.0 libhdf5.so

sudo ln -s libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so

执行caffe下python文件夹下的指令

cd python

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

\\目的是检查caffe所需要的python的库的版本，如果出现红字错误说明版本不满足要求，执行下面语句

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

编辑/usr/local/cuda/include/host_config.h，将其中的第115行

1
2
3

#error -- unsupported GNU version! gcc versions later than 4.9 are not supported!
% 改为
//#error -- unsupported GNU version! gcc versions later than 4.9 are not supported!

make 各种文件（cd到Caffe文件夹）

make all -j8 //j8代表计算机cpu有8个核，因此可以多线程一起make，这样make的速度会快很多。一般常用的还有j4

make test -j8

make runtest -j8

make pycaffe //编译python接口

make distribute

到这里搭建完毕