caffe+cuda7.0+opencv3.0.0+mkl ubuntu14.04配置

今天终于配置成功了caffe，花了我整整三天啊，fuck！不过我看一些blog，有的说花了半个月，我也就平衡了。废话少说，切入正题。

其实网上大部分教程是cuda6.5+opencv2.4.10，但近期如果下载cuda的话，只有cuda7.0，如果用openc2.10的话，编译opencv的时候就会报错，所以只能现在opencv3.0.用cuda7.0+opencv3.0配置完，编译caffe的时候又会出错，因为opencv3.0有些变动，需要改一下caffe里的makefile文件（具体见下文）。详细过程如下：

我用的linux版本是ubuntu14.04.02，这次安装caffe也是在安装系统后直接安装的，可以说是在纯净版的ubuntu上装的（安装的时候我没有选择联网，也没有安装第三方软件，安装完后也没有升级，推荐安装英文版，中文版没试过，估计会有各种问题），安装过程大家可以自行搜索，推荐留出100G以上空间。

本文主要包含4个部分，包括：

• 第一部分 nVidia驱动和CUDA Toolkit的安装和调试
• 第二部分 opencv3.0.0安装和调试
• 第三部分 mkl安装和调试
• 第四部分 Python、Matlab安装和调试
• 第五部分 Caffe的安装和测试

第一部分：nVidia驱动和CUDA Toolkit的安装和调试

一、Verify You Have a CUDA-Capable GPU

执行下面的操作，然后验证硬件支持GPU CUDA，只要型号存在于https://developer.nvidia.com/cuda-gpus，就没问题了

$ lspci | grep -i nvidia

二、Verify You Have a Supported Version of Linux

$ uname -m && cat /etc/*release

重点是“x86_64”这一项，保证是x86架构，64bit系统

三、Verify the System Has gcc Installed

$ gcc --version

没有的话就先安装吧，这个是必须的用来编译CUDA Toolkit，不过Ubuntu 14.04是默认有的

四、Download the NVIDIA CUDA Toolkit

下载地址：https://developer.nvidia.com/cuda-toolkit 下载deb 文件

验证地址：https://developer.nvidia.com/rdp/cuda-rc-checksums

$ md5sum filename

例如：md5sum cuda_7.0.23_linux_64.run ，这个文件的正确 md5 = （具体数值我记不得了，只要出现值了，一般没问题）

五、Handle Conflicting Installation Methods

获取CUDA安装包,安装包请自行去NVidia官网下载。

$ sudo dpkg -i cuda-repo-ubuntu1410-7-0-local_7.0-28_amd64.deb

$ sudo apt-get update

二、CUDA Toolkit

$ sudo apt-get install -y cuda

三、Environment Variables

$ export CUDA_HOME=/usr/local/cuda-7.0

$ export LD_LIBRARY_PATH=${CUDA_HOME}/lib64

$ PATH=${CUDA_HOME}/bin:${PATH}

$ export PATH

PS：如果出现安装失败，重启系统，重新安装一遍基本都可以解决，实在不行就卸载原来的驱动再安装一遍。

a. 卸载现有驱动

$ sudo nvidia-installer --uninstall

b. 重装CUDA Toolkit

$ sudo sh cuda_7.0.23_linux_64.run

十二. cuda环境配置：

$ sudo gedit /etc/ld.so.conf.d/cuda.conf

/usr/local/cuda/lib64

/lib

. 完成lib文件的链接操作，执行：

$ sudo ldconfig -v

第二部分：opencv3.0.0的安装和调试

网上大部分教程是下载编译好的安装包，我安装后问题很多，不如自己下载编译，自己亲自动手实践后才能记得住，很简单。 下载官网原版OpenCV：http://opencv.org/

1. cd ~/opencv
   mkdir release
   cd release
   cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local .. （注意后面有两个点）
   

2. Enter the created temporary directory (<cmake_binary_dir>) and proceed with:

   make
   sudo make install

3. 配置openCV参数设置
   sudo gedit/etc/ld.so.conf.d/opencv.conf
   使用下面这条命令：
   sudo ldconfig
   sudo gedit/etc /bash.bashrc   加入：
   PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
   export PKG_CONFIG_PATH
   
   至此，OpenCV安装配置完毕

第三部分：mkl的安装和调试

首先下载并安装英特尔® 数学内核库 Linux* 版MKL，下载链接是：https://software.intel.com/en-us/intel-education-offerings， 请下载Student版，先申请，然后会立马收到一个邮件（里面有安装序列号），打开照着下载就行了。下载完之后，解压文件

一、接下来是安装过程，先授权，然后安装：

$ cd （压缩包所在路径）

$ tar zxvf （压缩包名） （如果你是直接拷贝压缩文件过来的）

$ chmod a+x （压缩包名） -R

$ sudo ./install_GUI.sh

下面的步骤就是一步步点next了（我的在prerequsition中会警告说缺少lib32库，忽略即可）

二、MKL与CUDA的环境设置

1. 新建intel_mkl.conf， 并编辑之：

$ sudo gedit /etc/ld.so.conf.d/intel_mkl.conf

/opt/intel/lib/intel64

/opt/intel/mkl/lib/intel64

2. 完成lib文件的链接操作，执行：

$ sudo ldconfig -v

第四部分 Python。matlb安装和调试

1. 安装python IDE运行环境

选择一个适合你的IDE运行环境，我是用的是Spyder，因为它内置了 iPython 环境，Caffe有不少的程序是基于 iPython 环境完成的。安装方法很简单，直接在Ubuntu软件中心搜索“spyder”即可安装。

2、maltb安装过程，（请参考其他教程，破解和window下一样）

第五部分 Caffe的安装和测试

官网下载caffe包https://github.com/BVLC/caffe/

一、安装其他依赖项

1. Google Logging Library（glog），下载地址：https://code.google.com/p/google-glog/，然后解压安装：

$ tar zxvf glog-0.3.3.tar.gz

$ ./configure

$ make

$ sudo make install

如果没有权限就chmod a+x glog-0.3.3 -R , 或者索性 chmod 777 glog-0.3.3 -R , 装完之后，这个文件夹就可以kill了。

2. 其他依赖项，确保都成功

$ sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev

$ sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler

二、安装Caffe并测试

1. 安装pycaffe必须的一些依赖项：

$ sudo apt-get install python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags Cython ipython

$ sudo apt-get install protobuf-c-compiler protobuf-compiler

2. 切换到Caffe的下载文件夹，然后执行：

$ cp Makefile.config.example Makefile.config

修改新生成的Makefile.config文件，修改“BLAS := mkl”，这个非常重要。

3.修改Makefile文件（不是Makefile.config）

在位置（(LIBRARIES += glog gflags protobuf leveldb snappy \
lmdb boost_system hdf5_hl hdf5 m \
opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs)）处

添加opencv_imgcodecs

这一步非常重要，否则编译后会出现错误如下：

CXX/LD -o .build_release/tools/convert_imageset.bin
.build_release/lib/libcaffe.so: undefined reference to cv::imread(cv::String const&, int)'.build_release/lib/libcaffe.so: undefined reference tocv::imencode(cv::String const&, cv::_InputArray const&, std::vector >&, std::vector > const&)'

原因就是opencv3.0.0把imread相关函数放到imgcodecs.lib中了，而非原来的imgproc.lib

4. 编译caffe-master！！！"-j8"是使用CPU的多核进行编译，可以极大地加速编译的速度，建议使用。

$ make all

$ make test 

$ make runtest 

四、使用MNIST数据集进行测试

Caffe默认情况会安装在$CAFFE_ROOT，就是解压到那个目录，例如：$ home/username/caffe-master，所以下面的工作，默认已经切换到了该工作目录。下面的工作主要是，用于测试Caffe是否工作正常，不做详细评估。具体设置请参考官网：http://caffe.berkeleyvision.org/gathered/examples/mnist.html

1. 数据预处理

$ sh data/mnist/get_mnist.sh

2. 重建lmdb/leveldb文件。Caffe支持三种数据格式输入网络，包括Image(.jpg, .png等)，leveldb，lmdb，根据自己需要选择不同输入吧。

$ sh examples/mnist/create_mnist.sh

生成mnist-train-lmdb 和 mnist-train-lmdb文件夹，这里包含了lmdb格式的数据集

3. 训练mnist

$ sh examples/mnist/train_lenet.sh

这时你会在终端窗口中看到caffe的训练过程

至此配置caffe的工作已经完成了

补充：

1、我还没有配置cuDNN，后续会补上

2、安装过程中如果出现问题，请google，百度之，一般都会有人遇到类似问题，实在解决不了，不要浪费时间，重装系统虽然麻烦，但是上上策，重装个一两遍，根本不是事啊。