整合一下深度学习caffe环境配置和基本使用例程（CPU+GPU）

整合一下深度学习caffe基本环境的配置（CPU+GPU）

之前国创项目做的深度学习关于衣物识别的内容，当时也算初入dl坑吧。。不过主要是以应用为主，后期进实验室才真正去看paper做实验等等。。（实验室框环境都配好的，从老的faster-RCNN到SSD、resnet等等都有学长给弄好的，自己需要跑实验带着数据集即可）

然而自己在新校区配环境也是艰难得很，不过后来问问基本都是这样过来的，格十几次系统不算大事。
本blog主要记录分享我们团队大二配环境的总结。

队伍中hhy同学提前有写blog的习惯，主要以他的博客转载为主。

---

caffe（CPU only）部分

http://blog.csdn.net/hhy_csdn/article/details/61615958

写得很好，摘取他的首段

曾参考了很多ＣＳＤＮ前辈的教程，也按照《深度学习——２１天实战caffe》这本书来配过，但是都不成功。无疑，这些博客讲述的都是成功的例子，但是由于每台电脑的配置、环境都不尽相同，所以仅凭一篇教程来配置caffe是欠妥当的。建议后来的朋友多多参考前人的足迹，看看每篇教程有什么不同，哪些依赖包是教程没有提及但自己电脑又确实没有的。
　　caffe依赖多且复杂，历来被人诟病，但是配置编译完成后caffe所带来的欣喜与便捷也足以回报先前的煞费苦心。相信自己的能力也会随着这个过程逐步提高，所以希望未来看到这篇博客的你不要灰心丧气、半途而废！
　　所幸我还是找到了一篇适合于我的电脑的caffe 配置教程。当然这不可能适合于所有的电脑，所以千万不要迷信教程，多看多想才是正道。

我们团队的做法其实比较死，几个人都去配caffe、都打开十几个配caffe的blog，对比，选择通法。若出问题再去百度。

下面再来cifar10的小例程

http://blog.csdn.net/hhy_csdn/article/details/61463956

毫无疑问，在当时，我的电脑配置成功，完成了minist、cifar10后，非常激动和喜悦。

基本上完成CPU only的caffe配置后，并且在不断摸索中，对linux系统和基本依赖包就已经很熟了。之后开始真正做项目需要用cuda，GPU的配置其实也很容易上手。

另外我们发现，其实与其去看那么多的博客，不如自己去读英文的官方文件，或者github下下来后的readme文件，那才是最权威的第一手资料

下为cuda官方文件的翻译

NVIDIA CUDA Installation Guide for Linux

Linux 系统下的NVIDIA CUDA 安装指南

http://blog.csdn.net/hhy_csdn/article/details/64440406

到了这里基本就结束了

还有一些小知识。

Ubuntu vim command
http://blog.csdn.net/hhy_csdn/article/details/61924537

ubuntu chmod命令
http://blog.csdn.net/hhy_csdn/article/details/62047126

批量改文件名
http://blog.csdn.net/hhy_csdn/article/details/62428947