Ubuntu16.04+opencv+caffe+pytorch（anaconda下的python3.5）
- 前期准备说明：
由于caffe需要使用opencv库，所以需要先安装opencv，再安装caffe。
为方便各版本的深度学习框架切换，本次教程将基于anaconda下的虚拟环境进行安装。 - anconda 虚拟环境安装
假设已安装好anaconda，本文使用的python版本为3.5。
首先创建虚拟环境conda create -n your_env_name python=X.X，比如conda create -n pytorch1 python=3.5。
其他重要命令:
#激活虚拟环境
source activate your_env_name(修改为你的虚拟环境名称)
#退出虚拟环境
source deactivate
#删除虚拟环境
conda remove -n your_env_name(修改为你的虚拟环境名称) --all
-
opencv安装（源码编译）
难点有2个，找到适合自己电脑和需求的opencv版本，设置源码编译的路径。
参考教程：ubuntu16.04安装opencv完整教程注意将教程中的虚拟环境改为自己的conda建立的虚拟环境即可。
-
caffe安装（源码编译）
参考教程：手把手教你在Ubuntu 16.04下配置GPU版Caffe
从step3开始参考。
除教程中出现的错误及修改方法外，我安装中遇到的报错和坑记录如下（如不特别指明，修改内容均为makefile.config）：
（1）fatal error: pyconfig.h: No such file or directory #include “pyconfig.h”
参考：caffe编译:fatal error: pyconfig.h: No such file or directory #include “pyconfig.h”
解决方法：将caffe/makefile.config文件的python include 修改为如下：
PYTHON_INCLUDE := $(ANACONDA_HOME)/include \
$(ANACONDA_HOME)/include/python3.5 \
$(ANACONDA_HOME)/lib/python3.5/site-packages/numpy/core/include \
/usr/include/python3.5
（2）nvcc fatal : Unsupported gpu architecture ‘compute_20’
参考：nvcc fatal : Unsupported gpu architecture ‘compute_20’
因为我装的是CUDA9.0,所以将caffe/makefile.config文件中下面两行删除就可以了
-gencode arch=compute_20,code=sm_20 \
-gencode arch=compute_20,code=sm_21 \
（3）Caffe .build_release/lib/libcaffe.so：对‘cv::imread(cv::String const&, int)’未定义的引用
参考：Caffe .build_release/lib/libcaffe.so：对‘cv::imread(cv::String const&, int)’未定义的引用
因为你用了opencv 3.x的缘故，只需在caffe/Makefile的最后一行加上：
LIBRARIES += glog gflags protobuf leveldb snappy \
lmdb boost_system boost_filesystem hdf5_hl hdf5 m \
opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs opencv_videoio
（4）ubunut14.04配置caffe时出现 error while loading shared libraries: libopencv_core.so.3.2: cannot open share
参考：error while loading shared libraries: libopencv_core.so.3.2: cannot open share
从这个提示可以知道系统找不到libopencv_core.so.3.2在哪儿，而系统是通过/etc/ld.so.conf中的路径找.so这个文件的。将libopencv_core.so.3.2的路径加入到.conf文件中就可以了。.so文件一般存放在/usr/local/lib目录下，博主进入这个文件目录下果然发现了这个文件。
对ld.so.conf这个文件进行编辑是需要获取超级权限的
cd ~ # 先返回到根目录
sudo vim /etc/ld.so.conf #获取超级权限，并用vim编辑器打开该文件
#在末尾加入/usr/local/lib即可
sudo ldconfig
ldconfig通常在系统启动时运行,而当用户安装了一个新的动态链接库时,就需要手工运行这个命令.
（5）Ubuntu 16.04下安装Caffe解决 undefined symbol: _ZN5boost6python6detail11init_moduleER11PyModuleDefPFvvE
参考：Ubuntu 16.04下安装Caffe解决 undefined symbol: _ZN5boost6python6detail11init_moduleER11PyModuleDefPFvvE
原因是boost_python的版本不匹配，默认python版本为3.5，而boost_python为2.7。
解决方法：
先在系统的/usr/lib/x86_64-linux-gnu/路径下查找boost_python文件的版本是否与python版本匹配，我的电脑中文件名为：
libboost_python-py35.so.1.58.0
说明版本为python3.5，匹配。若不匹配则安装对应的boost_python版本。
接下来打开caffe/Makefile文件，将第208行的
PYTHON_LIBRARIES := boost_python python2.7
#改为
PYTHON_LIBRARIES := boost_python-py35 #py35需要改为你自己的python版本，如py34,py33
如果仍旧不对，使用PYTHON_LIBRARIES ?= boost_python-py35 python3.5m
https://stackoverflow.com/questions/42175360/how-to-install-caffe-for-python3-in-ubuntu
（6）caffe 在一个电脑上安装第二次，出现版本兼容问题
参考：cudnn版本问题（注意：同一个电脑可能会配置多个caffe版本，要以一个版本为准）
报错信息：
/usr/local/cuda/include/cudnn.h:500:27: note: declared here
cudnnStatus_t CUDNNWINAPI cudnnSetConvolution2dDescriptor( cudnnConvolutionDescriptor_t convDesc,
^
Makefile:575: recipe for target ‘.build_release/src/caffe/parallel.o’ failed
make: *** [.build_release/src/caffe/parallel.o] Error 1
解决方法：把caffe里面的所有与cudnn相关的.h 和.cpp 替换成第一次配置caffe时候 所用的cudnn的版本
具体操作：
用caffe-master/include/caffe/util （第一次配置caffe目录）下面的cudnn.hpp替换对应的旧版本cudnn.hpp
对应的cpp 文件为：用 caffe-master/src/caffe/util （第一次配置caffe目录）下面的cudnn.cpp替换对应的旧版本cudnn.cpp
caffe-master/include/caffe/layers（第一次配置caffe目录）下面 文件名含有cudnn的所有文件 替换所有对应的旧版本*.cpp和*.cu文件
然后重新编译应该就没有错误了。
A 开始编译
cd caffe/ 进入caffe 目录下，依次执行一下命令：
make all -j32
make test -j32
make runtest -j32
make pycaffe # 编译Caffe的python接口
make distribute
如果出错，自己分析或者去网络搜索相应解决办法。修改后，必须重新make clean，再次make all -j32
注意：32是根据自己电脑cpu的核数确定的，一般为2,4,8,16,32等2的幂次，可以加快编译速度。
（7）make test过程的报错
src/caffe/test/test_neuron_layer.cpp:17:38: fatal error: caffe/layers/log_layer.hpp: 没有那个文件或目录/
src/caffe/test/test_neuron_layer.cpp:17:38: fatal error: caffe/layers/log_layer.hpp: No such file or directory
compilation terminated.
Makefile:581: recipe for target ‘.build_release/src/caffe/test/test_neuron_layer.o’ failed
解决办法：
主要是缺少log_layer相应的源文件。
在github上找一份caffe源码，在src和include里面的layer找到log_layer.cpp、log_layer.cu、log_layer.hpp并添加到caffe-sphereface代码相应的文件下面。
（8）make runtest 或者import时报错
参考：
ubuntu 给caffe配置python3.5，报错dateutil/rrule.py raise ValueError, “Can’t create weekday with n == 0”
Invalid syntax error in rrule.py when importing caffe in python3.6
File “/home/bamboo/anaconda3/envs/pt04/lib/python3.5/site-packages/dateutil/rrule.py”, line 55
raise ValueError, “Can’t create weekday with n == 0”
^
SyntaxError: invalid syntax
pip install python-dateutil --upgrade #正确
pip install --upgrade python-util # 错误
千万注意：不可以在pip前面添加sudo。因为需要将库安装到普通用户可以访问，而非仅管理员访问。
（B）添加路径
打开终端，
然后将caffe源码目录中的python文件夹配置到PYTHONPATH这个环境变量里面去←注意别漏了这一步
sudo gedit ~/.bashrc #打开
export PYTHONPATH=/home/bamboo/anzhaungbao/caffe35(caffe编译路径)/caffe/python:$PYTHONPATH
#修改完成后保存，退出。
source ～/.bashrc #是更改生效
如果出现python2变为python3的情况，则需要注销或者重启即可。
make方式编译的caffe不需要install，直接使用解压的这个文件夹里的东西
（C）测试
1）使用 python -c "import caffe;print(caffe.__version__)或者打开python，import caffe 测试。
2）MNIST数据集测试
配置caffe完成后，我们可以利用MNIST数据集对caffe进行测试，过程如下：
mnist数据集测试：
1.将终端定位到Caffe根目录
cd ~/caffe
2.下载MNIST数据库并解压缩
bash ./data/mnist/get_mnist.sh
3.将其转换成Lmdb数据库格式
bash ./examples/mnist/create_mnist.sh
4.训练网络
bash ./examples/mnist/train_lenet.sh
训练的时候可以看到损失与精度数值，如下图：
可以看到最终训练精度是0.9914。
参考：
1.ubuntu14.04 编译安装CPU版caffe （https://www.cnblogs.com/zealousness/p/8757678.html）
2.Ubuntu】Ubuntu设置和查看环境变量 (https://blog.csdn.net/White_Idiot/article/details/78253004)
3.Ubuntu16.04 Caffe 安装步骤记录（超详尽） （https://blog.csdn.net/yhaolpz/article/details/71375762）