小白玩Caffe——基于Ubuntu14.04+CUDA8.0+cudnn5.1的Caffe安装与MNIST实验
作者：七月在线老宅
时间：2017年3月23日
硬件：Core i7-6700；16GB；Nvidia GeForce GTX1070；500G SSD
（多说一句——老宅血泪感悟：搞DL没有好硬件是不行的）
平台：台式PC
软件：Linux 对应的GTX1070驱动；cuda8.0；cudnn 5.1；Linux 14.04 LTS，，，用git安装caffe
网络：必须
首先，是鸣谢。
前人栽树，后人乘凉，这次实验的成功完成和教程的多项细节的完善，得到了原CSDN算法大神——结构之法、算法之道博主，现七月在线CEO兼创始人——July的鼎力支持。
本教程借鉴了他的团队在去年完成的《手把手教你搭建caffe及手写数字识别》。
另外，在此鸣谢如下几篇博客：
http://www.jianshu.com/p/9e0a18608527
http://www.cnblogs.com/empty16/p/4828476.html
http://www.cnblogs.com/yizhichun/p/6339789.html
老宅在此表示感谢～！
——————————分割线——————————
写在教程之前（个人体会）：
笔者在本次实验之前，已经对机器学习、深度学习产生了极为浓厚的兴趣，经过数月的接触和学习，笔者认为，基于深度神经网络的机器学习策略，必将在人工智能领域为技术的进步贡献出推动性的力量，也必将在行业的未来发展中释放出夺目的光芒！
首先，心理及经验准备。
就Linux的使用而言，刚刚如坑的Linux小白，包括从windows的温室里成长起来的带有一定cmd经验的小白（包括曾经的笔者），解决内心对于命令行的抵触心理是学习Linux的必经之路，借助Google工程师赵智沉的这条博文里的一句话：相信我，克服这个障碍，你将打开新世界的大门。何况，用命令行工作才显得更酷更极客，不是吗？
不管你信不信，反正我是信了。。。这坑，哥们儿我先跳为敬。
前期环境搭建：
本文实验基于的环境：Ubuntu14.04LTS+CUDA8.0+cudnn5.1的安装和调试请读者查看本博之前的博文：
《（Ubuntu+Tensorflow+CUDA8.0+cudnn，新鲜靠谱版）利用DL学梵高作画---实战记录和心得 》，本文不再赘述。
——————————再次割——————————
确保网络畅通！好，开始。
一、加装依赖环境，执行如下操作
点击Terminal，输入 sudo -i 回车
输入开机密码（输入时屏幕不显示输入内容），回车
然后，做如下操作：
输入：apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler 回车
输入：apt-get install --no-install-recommends libboost-all-dev 回车
输入：apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev 回车
上面的操作在执行中，你会看到屏幕作如下显示：
全部代码执行完毕后，笔者的机器显示如下：
二、安装BLAS（别问为什么，在你还是个小白的时候，老老实实听话，先装先用，后问）
继续在Terminal中做如下操作
输入：sudo apt-get install libatlas-base-dev 回车
关键一步——clone Caffe
继续执行下面操作：
在Terminal中输入:git clone git://github.com/BVLC/caffe.git 回车，然后，等待，如果发现执行慢，屏幕中有error显示，说明出现问题，
（这里要PS：前文提到，本次安装操作要求网络必须畅通，原因就在这里。这次安装caffe的方式为github克隆的方式，笔者在执行该操作的时候，前后失败多次，最终安装成功，整个过程显示如下）
上述操作完成后
需要做如下操作：
1.修改位于caffe目录下的classification.cpp，操作如下：
在Terminal中输入：cd ~/caffe/examples/cpp_classification/ 回车
输入： ls 回车
输入 vi classificaton.cpp 回车 会出现如下屏幕显示：
此时，再次 回车
会进入如下界面：
这个时候，小白要注意：在这个界面的上方：也就是显示有如下代码的地方
#include
#ifdef USE_OPENCV
#include
#include
#include
#endif // USE_OPENCV
#include
#include
#include
#include
#include
#include
在最后一行“#include
#include
#include
（这里PS：对于超级小白来说，输入操作如下：在键盘上按 i 键，这时界面左下角显示 INSERT 或 插入 字样，表示界面可以输入，然后，按键盘的上下左右键将光标移动到#include
操作界面显示如下：
然后，修改一个文件，叫做 Makefile.config，操作如下：
在Terminal中继续操作：
输入：cd ~/caffe 回车
输入：cp Makefile.config.example Makefile.config 回车
输入：sudo vi Makefile.config 回车
注意页面中的内容，按照刚才对超级小白的提示操作，修改这个界面内的文本，如果本机已经安装了OpenCV 3.x，需要将界面中的OPENCV_VERSION :=3 这行代码前的 # 删掉，然后，按Esc，再按 Shift 和 ：，在输入 wq，回车
上述操作的显示界面如下：
在上述操作完成候，即可开始编译操作。
编译操作如下：
在Terminal中继续：
输入：cd ~/caffe 回车
输入：make all 回车 然后，等待
输入：make test 回车 然后，等待
输入：make runtest 回车 然后，等待
全部显示页面如下：
在编译结束时，有可能会报错，如果出现报错，如下页面中给出了一定的解决提示，笔者就是参考了该页面的提示进行了修改，最终编译成功：
http://www.jianshu.com/p/9e0a18608527
问题及解决办法如图：
然后，就是激动人心的时刻——MNIST训练实战：
首先，提出一个问题：在前文要求的环境全部配好的情况下，使用Caffe进行MNIST训练总共分几步？答，四步！操作如下：
在Terminal中，
输入：cd ~/caffe 回车
输入：sh data/mnist/get_mnist.sh 回车 等待
输入：sh examples/mnist/create_mnist.sh 回车 等待
输入：sh examples/mnist/train_lenet.sh 回车 等待
然后，全过程页面显示如下：
然后，训练时页面，就是下面的样子：
至此，我们想看到的MNIST训练，全部完成。撒花～～～