标签：style blog http color os ar 使用 strong sp
其实caffe上的安装已经介绍的很清楚，而且也不乏介绍caffe的文章，之所以写这篇是因为这是一个中文版本的，再就是我在实验室服务器安装时遇到了很多问题，我觉得后来人可能会遇到，所以贴出来
Linux平台下的Caffe安装指南
1. 系统与权限
适用平台有Ubuntu 14.04, Ubuntu 12.04, OSX 10.9, and OS X 10.8，安装需要获取root权限
2. 依赖库
a) CUDA 6.5(推荐), 6.0, 5.5, 5.0 和对应CUDA驱动——实验室服务器已安装CUDA6.0 : CUDA_DIR :=/usr/local/cuda-6.0
b) BLAS(ATLAS, MKL, OpenBLAS) 括号里面的三选一——实验室已经安装好ATLAS : ATLAS := /usr/lib64/atlas
c) OpenCV 这个下面会有对应的安装指令，无需配置路径
d) Boost 这个下面会有对应的安装指令，无需配置路径
e) glog, gflags, protobuf,leveldb, snappy, hdf5, lmdb 这些下面会有对应的安装指令，protobuf可能需要修改环境变量安装
f) Python (Python 2.7,numpy(>=1.7)) boost.python，假如不需要可视化的功能，Python是不需要关心的，虽然makefile的配置文件中需要提供python的路径——实验室已经安装Python,numpy : PYTHON_INCLUDE := /usr/local/include/python2.7 \ /usr/local/lib/python2.7/site-packages/numpy/core/include/numpy
g) MATLAB : 没用上，网上瞄了到一句用HDF5可以结合MATLAB
h) cuDNN Caffe 是NVDIA公司专门提供的CNN计算模块，性能据说最好，但是看了下不是显著提高，此处不介绍如何使用。（需要向NVDIA申请，比较麻烦，不知道后面会不会开放）
不介绍只是用CPU计算的方法
3. 依赖库的安装
a) 跳过CUDA, BLAS, Python,MATLAB的配置需要注意的是，caffe源码中，Makefile.config.example中，需要将BLAS:= 改为ATLAS :=
b) 其他依赖库。实验室服务器的系统是CentOS，所以输入下面的指令来一次性安装protobuf, leveldb,snappy, opencv, boost, hdf5
sudo yum install protobuf-develleveldb-devel snappy-devel opencv-devel boost-devel hdf5-devel
但是需要注意的是，由于服务器在访问以上依赖库的下载包会报错（不知道是被墙了，还是因为平台资源的位置调整），出现错误信息如下
No package protobuf-devel available.
Error: Nothing to do
所以最好一个个安装，以观察哪些依赖库不能正确安装，目前可以直接安装好的依赖库有snappy, opencv, boost，需要用其他方法安装protobuf,leveldb, hdf5
protobuf: 下载protobuf，make编译，然后要修改环境变量，对应的编译错误关键字为proto-c
hdf5: 网上可以下到rpm安装包，比较简单无脑
leveldb:下载的地方很多，但是安装很愁人。安装参考http://blog.csdn.net/teethfairy/article/details/32089161其实就是拷贝include/leveldb到/usr/local/include 和对应的 .o 到/usr/local/bin
4. 编译
a) 修改Makefile.config.example文件中依赖库的路径，有CUDA, BLAS(要改名为ATLAS)，Python
b) 执行cpMakefile.config.example Makefile.config
c) 执行make all& make test
编译过程中出现的问题：libstdc++.so.6报错的问题，我是重新安装了libstdc++.so.6库，按理说后面的人不会再遇到该问题了。
5. 测试MNIST数据库
MNIST数据库的Demo很有意思，通过教程的指令下载数据集，结果文件名成了乱码，还得去修改，至于修改成什么文件名，可以参考examples/mnist/create_mnist.sh脚本，然后在examples/mnist下会出现两个文件夹，里面分别放着训练集和测试集，然后运行sh train_mnist.sh就可以了
标签：style blog http color os ar 使用 strong sp
原文地址：http://blog.csdn.net/kuaitoukid/article/details/40395617
