七：mnist集测试：
cd ~/caffe ./data/mnist/get_mnist.sh ./examples/mnist/create_mnist.sh ./examples/mnist/train_lenet.sh
结果如下图，正确率为99.08%
Ubuntu 16.04 安装配置MATLAB+Python +CUDA8.0+cuDNN+OpenCV3" src="/uploads/allimg/200603/1526262262_0.png" />
八：faster-rcnn配置与测试：
mkdir ~/caffetest
cd caffetest
git clone--recursive https://github.com/rbgirshick/py-faster-rcnn.git//下载rcnn源码
cd py-faster-rcnn
cd lib
make
cd ../caffe-fast-rcnn
//用之前编译的caffe替换rcnn的Makefile.config
sudo cp ~/caffe/Makefile.config ./caffe-fastr-rcnn/
sudo make -j4 && make pycaffe
cd ../
sudo ./data/script/fetch_faster_rcnn_models.sh
此过程中若出现cudnn错误，可以做如下方式进行解决：
//在caffe-fast-rcnn目录下
git remote add caffe https://github.com/BVLC/caffe.git
git fetch caffe
//可能需要github账号 按照提示输入git config --global user.email ～～～ 和 git config --global user.name ～～～
git stash save
git merge caffe/master
将caffe-fast-rcnn/include/caffe/layers/Python_layer.hpp的29行self_.attr("phase") = static_cast<int>(this->phase_);注释掉
重新编译成功后，执行demo,两种demo为不同的模型框架，
cd ~/caffetest/py-faster-rcnn ./tool/demo.py ./tool/demo.py --net zf
若出现Check failed：error == cudaSuccess（8 vs 0） invalid device function,则将py-faster-rcnn/lib/setup.py 的第135行，将arch改为与你显卡相匹配的数值，（比如我的GTX 760，计算能力是3.0，就将sm_35改成了sm_30）然后删除utils/bbox.c，nms/cpu_nms.c ，nms/gpu_nms.cpp 重新编译即可
最终结果部分图片如下：
九：总结与体会
之前花费了时间断断续续的进行caffe的安装与配置，但是总会出现大大小小的问题，但是最后才发现是第一步驱动的问题，很多博客说到的编译器问题，在我这次安装过程中都没有出现。
据说是现在cuda8.0后对此进行了修复。最终能够完全成功，也是非常令人高兴的，也说明了，做一个事情，还是得老老实实专心的做下去。写这篇博客，一是为了纪念一下这一路安装的心酸，也是想方便以后的人，希望对他们能有帮助，少走一点弯路。加油～
Ubuntu 15.04 下Caffe + + CUDA 7.0 安装配置指南
Ubuntu 16.04下Matlab2014a+Anaconda2+OpenCV3.1+Caffe安装
Ubuntu 16.04系统下CUDA7.5配置Caffe教程
Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置说明
Caffe配置简明教程 ( Ubuntu 14.04 / CUDA 7.5 / cuDNN 5.1 / OpenCV 3.1 )