一直以来都没有写博客的习惯，后来发现以前做的工作如果不注意及时整理和记录往往丢失的很快。对我而言这是一篇具有重要意义的文章，好的习惯要持之以恒，以后的日子我会常驻博客园！由于本人水平有限，智商略低，欢迎大神前来拍砖。废话结束，下面是干货：
首先吐槽一下本屌的笔记本，我现在的笔记本还是大一时候买的Dell INSPIRON 4010，没有Nvidia，没有Nvidia，没有Nvidia，没有Nvidia，重要的事情说四遍，呵呵。
操作系统: Ubuntu 14.04
是否使用Python API: 是, 目标是安装后CAFFE能作为PYTHON MODULE来使用
硬件: 低端笔记本, 只使用CPU模式
1.安装依赖
1 sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler 2 sudo apt-get install --no-install-recommends libboost-all-dev 3 sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev 4 sudo apt-get install libatlas-base-dev
PYTHON需要2.7版本,这是操作系统本身已经安装好的. 输入python2.7 --version 会显示具体的版本号说明安装了.
但是还需要sudo apt-get install python-dev
2.下载Caffe
使用Git直接下载Caffe非常简单，或者去https://github.com/BVLC/caffe下载。由于我习惯去github上找代码，所以就直接去下载的源码。
下载完成后，会在家目录下的下载里找到caffe-master.zip，用unzip命令解压到家目录下，然后重命名为caffe.
3.编译Caffe
（1）切换到Caffe所在目录
cp Makefile.config.example Makefile.config
（2）修改配置文件Makefile.config
CPU_ONLY := 1
配置一些引用文件（增加部分主要是解决新版本下，HDF5的路径问题）
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/hdf5/serial BLAS := atlas
计算能力 mkl > openlas >atlas（3）编译 Caffe
make all -j8 make test -j8 make runtest -j8
另外, 这个make默认是用CPU单核运算,如果想要快一点, 比如我想使用四核, 在make后面加上-j4标签。
如果上面4行某一行报错之后想要重试,建议先make clean再重新开始。
4.编译Python接口
Caffe拥有python\C++\shell接口，在Caffe使用python特别方便，在实例中都有接口的说明。
确保pip已经安装
sudo apt-get install python-pip
执行安装依赖
在caffe根目录的python文件夹下，有一个requirements.txt的清单文件，上面列出了需要的依赖库，按照这个清单安装就可以了。
在安装scipy库的时候，需要fortran编译器（gfortran)，如果没有这个编译器就会报错，因此，我们可以先安装一下。
首先回到caffe的根目录，然后执行安装代码：
cd ~/caffe
sudo apt-get install gfortran
cd ./python
for req in $(cat requirements.txt); do pip install $req; done
安装完成以后，再次回到caffe根目录我们可以执行：
sudo pip install -r python/requirements.txt
就会看到，安装成功的，都会显示Requirement already satisfied, 没有安装成功的，会继续安装。
编译python接口
make pycaffe -j8
--结果显示ALL TESTS PASSED就安装好了！
运行python结构
$ python2.7 Python 2.7.12 (default, Jul 1 2016, 15:12:24) [GCC 5.4.0 20160609] on linux2 Type "help", "copyright", "credits" or "license" for more information. >>> import caffe >>>
如果没有报错，说明caffe安装全部完成(注意：要进入caffe/python再执行python命令，否则import caffe会提示找不到caffe)！
5.在Mnist运行Lenet
获取数据源
./data/mnist/get_mnist.sh ./examples/mnist/create_mnist.sh
因为是CPU运行，所以修改在examples文件下的Mnist下的lenet_solver.prototxt中的solver_mode:CPU
solver_mode: CPU
训练模型
./examples/mnist/train_lenet.sh