本文根据我编译时出现的一些错误，参考了swfa1的csdn博客《caffe编译中的python问题》http://www.th7.cn/Program/Python/201609/967571.shtml 和ThinkingMan新浪博客《Ubuntu14.04编译caffe问题记录》http://blog.sina.com.cn/s/blog_721a75e50102wfig.html，做的一些记录，以便以后备用。
系统环境做一下说明：
ubuntu
14.04LTS
，CUDA
8.0
, cudnn
5.0
, caffe :官方发布的caffe
(后来实验配置环境多了，发现问题大同小异，上述系统版本号是我第一次配置时的系统信息，不一定必须遵循，只要你的Ubuntu 和cuda,cudnn 版本号对应就行，这个对应关系网上可以查到，在此就不复制了)。
错误1：
/usr/lib/gcc/x86_64-linux-gnu/4.8/../../../x86_64-linux-gnu/libopencv_highgui.so: undefined reference to `TIFFReadRGBAStrip@LIBTIFF_4.0'
collect2: error: ld returned 1 exit status
make: *** [.build_release/tools/convert_imageset.bin] Error 1
错误描述：如上图显示，未定义的引用“TIFFReadRGBAStrip@LIBTIFF_4.0”，说明是libtiff库未指明，
解决办法：执行下面命令操作查找对应库路径，并添加
$ldconfig -p|grep libtiff #这个指令是查找库索引
下图是我查找到的链接关系
$ export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu/ #这个指令是将路径添加至配置文件中
然后再编译make all,就可以继续进行下面测试了。
$make clean # 清理上次编译错误记录
$make all -j8
问题2：
/usr/include/boost/python/detail/wrap_python.hpp:50:23: fatal error: pyconfig.h: No such file or directory # include^
compilation terminated.
make: *** [.build_release/src/caffe/layer_factory.o] Error 1
make: *** Waiting for unfinished jobs....
错误描述：这个是因为cplus文件索引路径错误问题，我安装caffe是用的是anaconda2，一些路径出了问题，将python对应路径添加进去就好
解决办法：如下
$export CPLUS_INCLUDE_PATH=/usr/include/python2.7
然后再编译make all,就可以继续进行下面测试了。
$make clean# 清理上次编译错误记录
$make all -j8
2017/10更新：
问题描述：前一段时间服务器又歇菜了，项目组的同学重装系统后，发现正常步骤安装caffe后，老是找不到pyconfig.h文件，也就是上面这个问题。可是检查的时候路径，环境变量什么都没问题。后来又把caffe卸了重装好几次，还是这个问题。今早又重新装载的时候，git clone 时，报下面这个错：
以前一直以为是权限问题，没想太多，直接指令前面加sudo执行了。后来查了一下这个问题，在这篇博客（http://blog.csdn.net/superior_yong/article/details/62041526）中提到了这个问题，并给出了解决方案。如下图。
问题分析：好吧，那我查看一下我的根目录下的.config文件夹，发现我的这个文件加的所有者是root。可能是这个原因，跨权限调用文件的原因，造成后面的一系列编译错误吧。
解决办法：
参照这篇博客（http://www.linuxidc.com/Linux/2015-03/114695.htm），我把文件夹所有者改了回来，编译发现没有错了，都通过了。
3.错误
ImportError: No module named Cython.Distutils
解决办法：
安装Cython
$sudo apt-get install cython
4错误
make pycaffe后，还有一些库找不到，我自己测试，这个问题也适用于基于CAFFE 平台的的其他神经网络，例如py-faster-rcnn和py-R-FCN等。
（参考这篇博客http://www.cnblogs.com/venus024/p/5664103.html）
解决办法：
$cd caffe/python
$for req in $(cat requirements.txt); do pip install $req; done
caffe/python/requirements.txt这个文件记录caffe的Python接口所需要的所有函数库，执行上面语句便可依次检查是否所需模块都安装，有的话自动跳过或升级，没有的话自动安装。
5错误
由于服务器桌面系统经常崩盘，找售后他们又重装了系统，所以所有的环境得重新配置。执行make all 时，发现了下面的错误。经排查发现是cudnn安装配置错误。
查到，博客http://blog.csdn.net/u011070171/article/details/52292680，给的解释说，这是因为当前版本的caffe的cudnn实现与系统所安装的cudnn的版本不一致引起的。上官网查了了一下caffe对cuda相关要求，显示如下：
以上判断是caffe版本过旧，cudnn版本太新。下面就对症下药：
解决办法1：（博客中给的办法）
1.将./include/caffe/util/cudnn.hpp 换成最新版的caffe里的cudnn的实现，即相应的cudnn.hpp.
2. 将./include/caffe/layers里的，所有以cudnn开头的文件，例如cudnn_conv_layer.hpp。 都替换成最新版的caffe里的相应的同名文件。
3.将./src/caffe/layer里的，所有以cudnn开头的文件，例如cudnn_lrn_layer.cu，cudnn_pooling_layer.cpp，cudnn_sigmoid_layer.cu。
都替换成最新版的caffe里的相应的同名文件。
rbgirshick的py-faster-rcnn实现，因为其cudnn实现为旧版本的实现，所有出现了以上问题.
解决办法2：（降低cudnn版本）
将之前安装的/usr/local/cuda-8.0/l路径下的cudnn的文件删除，按照网上教程重新安装v5.0版，文件关联一下，就好
解决办法3:（更换新版本的caffe）
去github上下载新版的caffe，把caffe重新按照官方教程安装配置一遍。
6错误
运行make runtest,一直报错
Checkfailed:status== CUDNN_STATUS_SUCCESS (3vs.0) CUDNN_STATUS_BAD_PARAM
错误描述：按照http://www.cnblogs.com/penguinliong/p/6351215.html这篇博客说是GPU被占用，可是我运行$nvidia-smi查看显示，说没有进程调用GPU,经排查还是cudnn的安装问题，因为服务器是多人在使用，被别人装了两个版本的cudnn。
解决办法：删掉一个cudnn,重新安装配置连接，然后再编译make all,就可以继续进行下面测试了。
$make clean# 清理上次编译错误记录
$make all -j8
7错误
今天在给师姐装caffe时，遇到了Python接口无法调用的问题，具体问题描述如下：
按照正常安装步骤，执行$make all，$make test ， $make runtest ,$make pycaffe都正常。但是$Python打开Python编译器后，执行import caffe调用caffe的Python接口是出现错误：No module named _caffe，网上查找大部分解释说是 make pycaffe 编译出错，没有正确生成Python脚本文件。
解决办法：
$make clean# 清理上次编译错误记录
用sudo 超级用户权限重新执行上面make all ,make pycaffe指令。
需要注意的是，如果错误是 no module named caffe ,可能是你的caffe路径配置错误，执行下面命令，将caffe/python/环境变量路径添加.bashrc文件中。
$sudo vim ~/.bashrc #打开.bashrc文件
在文件最后添加下面指令
export PYTHONPATH=/home/(你的用户名)/caffe(你的caffe安装目录)/python:$PYTHONPATH#这里也可以使用~/caffe/pyhon相对路径
关闭文件， 输入下面指令，是环境变量生效,
$source ~/.bashrc
然后，在Python编译器中import caffe，测试应该可以正常调用caffe。
8错误
还是上面的接口问题，按照错误7解决no module问题后，再次测试出现新的错误如下：
错误描述：如上图最后一行所示，显示运行时错误，网上找问题说是numpy错误。
解决办法：更新numpy模块，执行下面语句更新。
$sudo pip install numpy --upgrade
9错误
环境配置好后，做手写体网络测试，执行 (在caffe安装目录下)
$sudo examples/mnist/train_lenet.sh
出现如下错误
问题描述：出现这种错误是由于训练数据没有准备好。
解决办法：（以下命令都在caffe安装目录下执行）
$.data/mnist/get_mnist.sh#准备数据
$.examples/mnist/create_mnist.sh#生成caffe指定数lmdb据格式
$.examples/mnist/train_lenet.sh#训练模型
更复杂的情况看https://github.com/BVLC/caffe/issues/2709
其他问题以后发现继续补充。
2017/10更新：
10错误：/usr/include/boost/property_tree/detail/json_parser_read.hpp:257:264: error: ‘type name’ declared as function returning an array
问题描述：执行ssd环境配置时出现上述错误。
根据这篇博客http://blog.csdn.net/u010733679/article/details/52125597上说是gcc版本过低
问题解决：按照上述博客所说升级一下gcc。
11错误：执行create_data.sh时报错，如下图。
问题分析：上网查找说是numpy数据包版本过低。
问题解决：执行命令$sudo pip install -U numpy升级一下numpy数据包
12错误：继问题11numpy版本错误问题后，执行create_data.sh 报如下错误：
问题分析：综上问题描述，还是python库没安装全
问题解决：按照问题4解决办法执行一次,解决问题。
13错误：
fatal error：gflags/gflags.h：No such file or directory
如下图所示。
解决办法：
参考网上教程https://blog.csdn.net/artprog/article/details/79271388，输入下面指令：
sudo apt-get install libgflags-dev
14错误：
fatal error：glog/logging.h：No such file or directory
如下图所示。
解决办法：
参考网上教程https://blog.csdn.net/artprog/article/details/79271388，输入下面指令：
sudo apt-get install libgoogle-glog-dev
15错误：
fatal error: cblas.h: No such file or directory
如下如所示。
解决方法：
sudo apt-get install libblas-dev
16错误：
fatal error: hdf5.h: No such file or directory
解决方法：
修改Makefile.config文件，定位到INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include，在后面加上/usr/include/hdf5/serial：
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib后面加上 /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial
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
17错误：
/usr/bin/ld: cannot find -lcblas
/usr/bin/ld: cannot find -latlas
collect2: error: ld returned 1 exit status
解决方法：
sudo apt-get install libopenblas-dev
18错误：
fatal error: lmdb.h: No such file or directory
解决办法：
sudo apt-get install liblmdb-dev
19错误：
nccl.h： No such file or directory
错误原因：
因为需要多GPU支持训练，在多个 GPU 上运行 Caffe 需要使用 NVIDIA NCCL。
解决办法：
参照CUDA官网的教程https://www.nvidia.cn/object/caffe-installation-cn.html
$ git clone https://github.com/NVIDIA/nccl.git
$ cd nccl
$ sudo make install -j4
NCCL 库和文件头将安装在 /usr/local/lib 和 /usr/local/include 中
2019/1/8
因为一些原因，新来的笔记本重新安装了caffe,这次出现了新的问题。
20错误：
编译$make pycaffe生成python的caffe接口时，报错找不到python.h文件。
错误原因：
因为编译make 之前，Makefile.config文件中python 路径指定错误。
解决办法：
1.执行命令$whereis python, 可以查看python的绝对路径，然后修改Makeifle.config中的PYTHON_INCLUDE的文件路径。
2.执行$make -j8,重新编译caffe.
3.执行$make pycaffe,生成caffe的python接口即可。
2019/1/25
这次出现的错误是：google/protobuf/arena.h找不到
21错误：
.build_release/src/caffe/proto/caffe.pb.h:22:35: fatal error: google/protobuf/arena.h: 没有那个文件或目录
错误分析：
参考博客：https://blog.csdn.net/qq_33144323/article/details/81259985，可知是protobuf版本冲突问题。caffe能正确使用的是protobuf-2.6.1版本。
我装了ananconda3，其自带的protobuf版本要高于caffe的需求版本，而ubuntu自带的protobuf版本符合。
解决办法：
依据上面博客，既可以强制更改protobuf降版本，也可以暂时关闭ananconda环境，安装。
我的ananconda安装的是我的当前路径，没有装到系统环境中，我采用了偷懒的办法，使用sudo权限，跳到ubuntu系统环境下编译，其实相当于屏蔽anaconda环境编译，这样可以在最大保证不改变其他环境配置的前提下能够编译通过，不过这样付出的代价的是后面的pycaffe接口和matcaffe接口，同样需要执行sudo权限编译。
2019/12/12
22错误
/usr/bin/ld: cannot find -lcblas
/usr/bin/ld: cannot find -latlas
collect2: error: ld returned 1 exit status
错误分析
这次出现的错误是第错误17，但是按照错误17的解决方法，仍不能解决问题，查看caffe安装教程（网址为：http://caffe.berkeleyvision.org/installation.html）发现需要更改 Makefile.config中变量设置。如图所示。
解决办法：
在错误17的解决方法的基础上，修改Makefile.config中变量设置，将BLAS值设置为open。