Caffe在Ubuntu 14.04 64bit 下的安装

关于Ubuntu 版本的选择，建议用14.04这个比较稳定的版本，但是千万不要用麒麟版！！！比原版体验要差很多！！！

Caffe的安装过程，基本采纳 这篇文章 然后稍作改动，跳过大坑。

Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置说明 

1. 安装开发依赖包

sudo apt-get install build-essential sudo apt-get install vim cmake git 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

2. 安装CUDA

一般电脑都有双显卡：Intel 的集成显卡 + Nvidia 的独立显卡。要想两个显卡同时运行，需要关闭 lightdm 服务。

2.1 到 这里 下载安装包，选Linux x86 下的 Ubuntu 14.04， Local Package Installer，下载下来的文件为

　　cuda-repo-ubuntu1404-7-0-local_7.0-28_amd64.deb

2.2 在BIOS设置里选择用Intel显卡来显示或作为主要显示设备

2.3 进入Ubuntu， 按 ctrl+alt+F1 ，登入自己的账号，然后输入以下命令

sudo service lightdm stop

2.4 安装 CUDA，cd 到安装包目录，输入以下命令：

sudo dpkg -i cuda-repo-ubuntu1404-7-0-local_7.0-28_amd64.deb sudo apt-get update sudo apt-get install cuda 

安装完后重启电脑。

3. 安装cuDNN

3.1 到这里注册下载，貌似注册验证要花一两天的样子，嫌麻烦的可以直接到Linux公社资源站下载

资源包下载地址：

------------------------------------------分割线------------------------------------------

FTP地址：ftp://ftp1.linuxidc.com

用户名：ftp1.linuxidc.com

密码：

在 2015年LinuxIDC.com\7月\Caffe在Ubuntu 14.04 64bit 下的安装

下载方法见

------------------------------------------分割线------------------------------------------

3.2 完后到下载目录，执行以下命令安装

tar -zxvf cudnn-6.5-linux-x64-v2.tgz cd cudnn-6.5-linux-x64-v2 sudo cp lib* /usr/local/cuda/lib64/ sudo cp cudnn.h /usr/local/cuda/include/

再更新下软连接

cd /usr/local/cuda/lib64/ sudo rm -rf libcudnn.so libcudnn.so.6.5 sudo ln -s libcudnn.so.6.5.48 libcudnn.so.6.5 sudo ln -s libcudnn.so.6.5 libcudnn.so

3.3 设置环境变量

gedit /etc/profile

在打开的文件尾部加上

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

保存后执行以下命令使之生效

source /etc/profile

同时创建以下文件

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

内容是

/usr/local/cuda/lib64

保存后，使之生效

sudo ldconfig

4. 安装CUDA Sample 及 ATLAS

4.1 Build sample

cd /usr/local/cuda/samples sudo make all -j8

我电脑是八核的，所以make 时候用-j8参数，大家根据情况更改，整个过程有点长，十分钟左右。

4.2 查看驱动是否安装成功

cd bin/x86_64/linux/release ./deviceQuery

出现以下信息则成功

./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

4.3 安装ATLAS

ATLAS是做线性代数运算的，还有俩可以选：一个是Intel 的 MKL，这个要收费，还有一个是OpenBLAS，这个比较麻烦；但是运行效率ATLAS < OpenBLAS < MKL

我就用ATLAS咯：