经过两天坚持不懈，终于在Ubuntu16.04系统上将caffe成功配置。过程中踩过无数个坑，遇到很多错误，幸运的是这些错误都解决了，因此撰写该博客记录caffe的配置过程，以及对配置过程中遇到的错误提供解决办法，避免今后再配置caffe时又踩坑。

电脑配置

• 系统：Ubuntu16.04
• GPU:NVIDIA GTX1080

安装过程

1.安装相关依赖项

 
 

  
  
1
  
  
2
  
  
3
  
  
4
 
 
 
 

  
  
1
  
  
2
  
  
3
  
  
4
 
 
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler 
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

2.安装NVIDIA驱动

（1）查询NVIDIA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：

图1.显卡驱动查询
例如本人电脑的显卡驱动如下图：

图2.显卡驱动版本

（2）安装驱动

安装之前先卸载已经存在的驱动版本：

 
 

  
  
1
 
 
 
 

  
  
1
 
 
sudo apt-get remove --purge nvidia*

若电脑是集成显卡（NVIDIA独立显卡忽略此步骤），需要在安装之前禁止一项：

 
 

  
  
1
 
 
 
 

  
  
1
 
 
sudo service lightdm stop

执行以下指令安装驱动：

 
 

  
  
1
  
  
2
  
  
3
 
 
 
 

  
  
1
  
  
2
  
  
3
 
 
sudo add-apt-repository ppa:xorg-edgers/ppa
sudo apt-get update
sudo apt-get install nvidia-367 #注意在这里指定自己的驱动版本！

安装完成之后输入以下指令进行验证：

 
 

  
  
1
 
 
 
 

  
  
1
 
 
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CUDA

CUDA是NVIDIA的编程语言平台，想使用GPU就必须要使用cuda。

（1）下载CUDA

首先在官网上(https://developer.nvidia.com/cuda-downloads)下载CUDA：

图3.CUDA下载

（2）安装CUDA

下载完成后执行以下命令：

 
 

  
  
1
 
 
 
 

  
  
1
 
 
sudo sh cuda_8.0.27_linux.run

注意：执行后会有一系列提示让你确认，但是注意，有个让你选择是否安装nvidia361驱动时，一定要选择否：

 
 

  
  
1
 
 
 
 

  
  
1
 
 
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62?

因为前面我们已经安装了更加新的nvidia367，所以这里不要选择安装。其余的都直接默认或者选择是即可。
可能出现的错误：
当出现“unsupport complier”错误时，说明gcc版本太高，需要降低gcc版本。解决办法如下：
以gcc4.9与g++4.9为例
安装低版本gcc与g++：

 
 

  
  
1
 
 
 
 

  
  
1
 
 
sudo apt-get install gcc-4.9 g++-4.9

之后进入/usr/bin:

 
 

  
  
1
 
 
 
 

  
  
1
 
 
cd /usr/bin

先删除和gcc5.0关联的gcc:

 
 

  
  
1
  
  
2
 
 
 
 

  
  
1
  
  
2
 
 
sudo rm gcc
sudo rm g++

再建个软连接

 
 

  
  
1
  
  
2
 
 
 
 

  
  
1
  
  
2
 
 
sudo ln -s gcc-4.9 gcc
sudo ln -s g++-4.9 g++

然后重新安装。

（3）环境变量配置

打开~/.bashrc文件：

 
 

  
  
1
 
 
 
 

  
  
1
 
 
sudo vim ~/.bashrc

将以下内容写入到~/.bashrc尾部：

 
 

  
  
1
  
  
2
 
 
 
 

  
  
1
  
  
2
 
 
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

（4）测试CUDA的sammples

 
 

  
  
1
  
  
2
  
  
3
 
 
 
 

  
  
1
  
  
2
  
  
3
 
 
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery #由自己电脑目录决定
make
sudo ./deviceQuery

如果显示一些关于GPU的信息，则说明安装成功。

4.配置cuDNN

cuDNN是GPU加速计算深层神经网络的库。
首先去官网(https://developer.nvidia.com/rdp/cudnn-download)下载cuDNN,可能需要注册一个账号才能下载。由于本人的显卡是GTX1080，所以下载版本号如下图：

图4.cuDNN下载
下载cuDNN5.1之后进行解压，cd进入cuDNN5.1解压之后的include目录，在命令行进行如下操作：

 
 

  
  
1
 
 
 
 

  
  
1
 
 
sudo cp cudnn.h /usr/local/cuda/include/    #复制头文件

再将cd进入lib64目录下的动态文件进行复制和链接：

 
 

  
  
1
  
  
2
  
  
3
  
  
4
 
 
 
 

  
  
1
  
  
2
  
  
3
  
  
4
 
 
sudo cp lib* /usr/local/cuda/lib64/    #复制动态链接库
cd /usr/local/cuda/lib64/sudo rm -rf libcudnn.so libcudnn.so.5    #删除原有动态文件
sudo ln -s libcudnn.so.5.0.5 libcudnn.so.5  #生成软衔接
sudo ln -s libcudnn.so.5 libcudnn.so      #生成软链接

5.安装opencv3.1

从官网(http://opencv.org/downloads.html)下载OpenCV,并将其解压到你要安装的位置，假设解压到了/home/opencv。
安装前准备，创建编译文件夹：

 
 

  
  
1
  
  
2
  
  
3
 
 
 
 

  
  
1
  
  
2
  
  
3
 
 
cd ~/opencv
mkdir build
cd build

（编辑：安卓应用网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!