Ubuntu14.04+CUDA8.0+Opencv3.1+Anaconda2+Caffe安装
写在前面：
工作站配置
工作站是64位，Ubuntu14.04系统
系统版本查看：lsb_release –a
查看是32bit还是64bit：sudo uname --m
P.S.其他系统命令：
sudo uname --s 显示内核名字s
sudo uname --r 显示内核版本
sudo uname --n 显示网络主机名
sudo uname --p 显示cpu
查看显卡型号：lspci |grep -i vga（我的显卡是GTX 1080Ti）
安装过程
1. 安装相关依赖项
sudo apt-get install build-essential # basic requirement
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-devprotobuf-compiler
sudo apt-get install--no-install-recommendslibboost-all-dev
sudo apt-get install libopenblas-dev liblapack-devlibatlas-base-dev
sudo libgflags-dev libgoogle-glog-dev liblmdb-dev #required by caffe
2. 安装NVIDIA驱动
（1）下载驱动
首先去官网http://www.nvidia.com/Download/index.aspx?lang=en-us 查看适合自己显卡的驱动并下载。
驱动文件名是以.run结尾的。我下载好的驱动是NVIDIA-Linux-x86_64-384.69.run
（如果是中文系统：要把这个文件移动到家目录下，因为安装显卡驱动要切换到命令界面下，如果放到~/下载 下面，没有中文输入法不能进入这个目录）
（2）安装驱动
在终端下输入： sudo gedit/etc/modprobe.d/blacklist.conf
输入密码后在最后一行加上 blacklist nouveau . 这里是将Ubuntu自带的显卡驱动加入黑名单。
在终端输入： sudo update-initramfs -u ，重新生成initrd文件
完成后重启电脑。
接下来安装显卡驱动。首先要给NVIDIA***.run驱动程序添加可执行权限：sudo chmod +x NVIDIA**.run
关闭X-Window（图形界面）：sudo service lightdm stop，然后切换到tty1：Ctrl+Alt+F1即可
在纯字符界面下，登陆用户
接下来就是最关键的一步了：sudo ./NVIDIA.run开始安装，安装过程比较快，根据提示选择即可(一般都是YES)
最后安装完毕后，重新启动X-Window：sudo service lightdm start，然后Ctrl+Alt+F7进入图形界面；
重启电脑，输入以下指令进行验证： sudo nvidia-smi ，若列出了GPU的信息列表则表示驱动安装成功。
3. 安装配置CUDA和cuDNN
CUDA是NVIDIA的编程语言平台，想使用GPU就必须要使用cuda。
安装CUDA前我先更新了自带的gcc、g++版本到4.9
http://blog.csdn.net/zongchenxian341/article/details/72377387
（1）下载安装CUDA
首先在官网上(https://developer.nvidia.com/cuda-downloads)下载CUDA。
选择对应版本的CUDA下载.run文件，我的是cuda_8.0.61_375.26_linux.run
下载完执行以下命令：
sudo sh cuda_****.run
启动安装后有大量条款，一路空格到最后accept，之后有一系列提示确认，一般都是y，但注意问要不要装driver时选n（因为之前装过了）。
后面是一系列安装路径确认，我只改动了samples的位置：/usr/local/cuda-8.0/samples
安装完成后有warning提示没有装driver，不用理。
（2）安装配置cuDNN
cuDNN是GPU加速计算深层神经网络的库。
从官网https://developer.nvidia.com/rdp/cudnn-download 下载cuDNN（需要注册账号），我下的版本是v5.1 for CUDA 8.0
下载之后解压，
sudo tar -zxvf ./cudnn-8.0-linux-x64-v5.1.tgz
解压后得到cuda目录，文件拷贝：
cd cuda
sudo cp lib/lib* /usr/local/cuda/lib64/
sudo cp include/cudnn.h /usr/local/cuda/include/更新软连接：
cd /usr/local/cuda/lib64/
sudo chmod +r libcudnn.so.5.1.10
sudo ln -sf libcudnn.so.5.1.10 libcudnn.so.5
sudo ln -sf libcudnn.so.5 libcudnn.so
sudo ldconfig（3）配置环境变量
在/etc/profile中添加CUDA环境变量：sudo gedit /etc/profile
在末尾加入
PATH=/usr/local/cuda/bin:$PATH
export PATH 保存之后创建链接文件：sudo vim /etc/ld.so.conf.d/cuda.conf
添加 /usr/local/cuda/lib64， 保存退出。终端下接着输入 sudo ldconfig 使链接生效。
（4）生成CUDA Sample测试
进入/usr/local/cuda/samples, 执行下列命令来build samples
sudo make all -j4整个过程大概10分钟左右, 全部编译完成后， 进入 samples/bin/x86_64/linux/release, 运行deviceQuery
./deviceQuery执行后如果显示出了关于GPU的信息，则说明安装成功。
4. 安装OpenCV
从官网http://opencv.org/ 下载opencv的Source Code，我下载的是opencv-3.1.0.zip
（1）安装依赖项（可能跟之前有重复，不影响）：
sudo apt-get install build-essential
# 必须的，gcc编译环境
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
# 必须的,包括cmake等工具
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev
# 可选的，看个人需要，总共5M左右解压：unzip opencv-3.1.0.zip
建立编译目标文件夹：
cd opencv-3.1.0
mkdir build
cd build（2）用cmake方式生成Makefile
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
# 生成后的Makefile在build文件夹中，而需要的CMakeLists.txt在 ".."中，即上一级文件夹中（opencv-3.1.0）
在Configure过程中，若出现
– ICV: Downloading ippicv_linux_20141027.tgz…
则下载ippicv_linux_20151201.tgz ，替换掉 opencv-3.1.0/3rdparty/ippicv/downloads/linux-8b449a536a2157bcad08a2b9f266828b 下的同名文件即可，注意替换后，重新编译，或着一开始就放进去。
（3）编译（还是在build目录下）：
sudo make -j8编译过程中出现“nvcc warning : The 'compute_20', 'sm_20', and 'sm_21' architectures are deprecated”，只是提示build target 2.0, 2.1被弃用了，不影响编译。
编译到后面出现有关opencv_cudalegacy的错误，这是因为opencv3.2以下与cuda8.0不兼容导致的。（好像3.2版本开始就支持cuda8.0了）
解决办法：进入opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp，做如下修改：
#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER)||(CUDART_VERSION>=8000)
之后重新make即可。
（4）安装
sudo make install（5）配置library
在/etc/ld.so.conf.d目录中创建一个名字为opencv.conf的文件，在里面写入libopencv_***.so所在的路径（/usr/local/lib）
然后运行命令
sudo ldconfig完成。
5. 安装Python环境
去Anaconda官网下载安装包。我下的是Python2.7 version，下载下来是Anaconda2-4.4.0
安装Anaconda：
bash Anaconda-***.sh基本一路默认或者yes，安装到home/userame/anaconda2下面，最后会询问把anaconda的bin添加到用户的环境变量中，选择yes。
添加Anaconda Library Path：
在~/.bashrc最后添加下边路径
# add library path
LD_LIBRARY_PATH=your_anaconda_path/lib:$LD_LIBRARY_PATH
export LD_LIBRARY_PATHP.S.看到其他帖子中推荐不要在/etc/ld.so.conf.d或是/etc/profile中添加库文件，因为anaconda有几个链接库和系统链接库文件类似，如果添加到这两个文件中，可能会出现电脑重启之后不能进入界面的情况（之前被坑过我就不试了。。）
完成后.bashrc的更新还没有生效，命令行输入：source ~/.bashrc
重启Terminal即可生效。
测试Python环境：
6. 编译caffe！！！！！
（1）下载
去caffe的github上下载caffe源码包
下载后解压得到caffe-master文件夹。
（2）配置
进入caffe-master目录，复制一份Makefile.config.examples
cp Makefile.config.example Makefile.config 打开Makefile.config文件
sudo gedit Makefile.config修改其中的配置：
修改完之后保存退出。
（3）编译
make all -j8
make test
make runtest （Ubuntu16.04在make过程中好像会出现关于hdf5有关的问题）
出现如下结果，说明编译caffe成功：
编译Python wrapper：
make pycaffe到此caffe配置完毕！
（4）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：
将终端定位到Caffe根目录：cd ~/caffe
下载MNIST数据库并解压缩：./data/mnist/get_mnist.sh
将其转换成Lmdb数据库格式：./examples/mnist/create_mnist.sh
训练网络：./examples/mnist/train_lenet.sh
训练完可以看到损失与精度数值：
可以看到最终训练精度是0.9914。
<补充>
1. import caffe提示找不到或者没有此模块：没有配caffe中python的环境变量！！！
解决：
添加到 sudo vim ~/.bashrc
PYTHONPATH=~/caffe-master/python:$PYTHONPATH
export PYTHONPATH
添加完成后记得要
source ~/.bashrc
2. 输入caffe出错：找不到libhdf5_hl.so.10
没有配置caffe路径！caffe编译之后生成的是一个./build_release的隐藏文件，需要在path中添加这个文件中的tools路径才能使用caffe
解决：
vim /etc/p[rofile
在文件末尾添加：
export PATH=$PATH:~/caffe-master/.build_release/tools/
保存退出后记得用source profile 更新。
3. No module named google.protobuf.internal
这说明你没有添加google.protobuf.的位置
sys.path.append('/usr/lib/python2.7/dist-packages/')
解决：安装pip
pip install protobuf
最后验证caffe安装：
输入caffe
（完）