Ubuntu16.04上安装caffe(CPU）+Python的详细过程
先从最简单的CPU+Python版本开始配置，到后面对Caffe框架熟悉了或者有需要用matcaffe的时候，再去摸索GPU或者matlab版本的Caffe配置。
Step0 :检查自己电脑是否具有GPU
通常Caffe在计算时有两种模式可以选择，CPU或GPU，使用GPU处理图像速度会更快，但往往有的计算机没有GPU，配置太低，所以只能选择CPU，作者的电脑不支持GPU，因此选择CPU安装的版本。
输入：
lspci | grep -i nvidia结果1
如果未显示任何内容，则证明你的电脑不支持GPU。
结果2
如果显示如下图内容：
则表明版本是GTX 650，支持GPU，可以去http://developer.nvidia.com/cuda-gpus去验证，支持CUDA，本文只描述CPU 模式的caffe安装。。
此时，打开终端
Step1：输入以下代码：
sudo apt-get updateStep2：安装caffe必要依赖，记住每一步的依赖都要安装：
sudo apt-get install git
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install build-essential
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libatlas-base-dev
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-devStep3：官网拉取源码：
git clone https://github.com/BVLC/caffe.gitStep4：安装第二部分依赖：
sudo apt-get install libblas-dev liblapack-dev libatlas-base-dev gfortran python-numpy
sudo apt-get install python-pip
sudo apt-get install python-numpy python-scipy python-matplotlib python-sklearn
sudo apt-get install python-skimage python-h5py python-protobuf python-leveldb
sudo apt-get install python-networkx python-nose python-pandas
sudo apt-get install python-gflags Cython ipython
sudo pip install --upgrade matplotlib
sudo apt-get updateStep5：修改配置文件：
cd caffe
cp Makefile.config.example Makefile.configgedit Makefile.config仅修改一处，将“CPU_ONLY”选项打开即可。
将 #USE_CPUONLY := 1 修改成 USE_CPUONLY := 1(注意：Ubuntu14.04修改上面即可。如果是Ubuntu16.04，除了修改上处外，还需修改以下地方：
加入后面的部分即可（修改 python 路径）
将
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/hdf5/serial然后修改 caffe 目录下的 Makefile 文件
gedit MakefileMakefile 198行
将
LIBRARIES += hdf5_hl hdf5 hdf5_serial_hl hdf5_serial
修改为
LIBRARIES += hdf5_serial_hl hdf5_serialStep6：编译及测试：
$ make all -j4
$ make test -j4
$ make runtest -j4
$ make pycaffe -j4
$ make distribute（注：-j4表示使用4核，这样更快，根据自己电脑情况。不用则单核）
测试时，输入以下代码：
$ cd /home/xxx/caffe/python
$ python
$ import caffe其中”xxx“是我的Ubutnu用户名，更改为你自己的即可，如果不出错，就表示Caffe CPU+Python版本环境安装成功！
Step7：在Mnist运行Lenet，第一个CNN的试炼！
获取数据源
./data/mnist/get_mnist.sh
./examples/mnist/create_mnist.sh修改在examples文件下的Mnist下的lenet_solver.prototxt中的solver_mode:CPU
sudo gedit ./examples/mnist/lenet_solver.prototxt将最后一行 solver_mode: GPU 改为 solver_mode: CPU
训练模型
./examples/mnist/train_lenet.sh等待训练完成。
