深度学习（2）
真是费了死劲了，坚持了快十天，终于装好了。不抱怨了赶紧记下如何搭建这个caffe吧。
一、首先在原有的win7系统下装载Ubuntu14.04 LTS（自己下载）网上有相关的教程，请参考win7下通过easyBCD引导安装Ubuntu14.04_百度经验/article/e4d08ffdace06e0fd2f60d39.html。装Ubuntu的时候分区我按照的是
swap交换分区：2G
boot分区：200M
usr分区：50G
home分区：300G
主分区（/)：30G
二、如果想要卸载Ubuntu，请参考文章win7下删除ubuntu（mbrfix恢复启动项）_火星烂菜_新浪博客.cn/s/blog_71dfzmnh.html
三、Caffe （Convolution Architecture For Feature Extraction）作为深度学习CNN一个非常火的框架，对于初学者来说，搭建Linux下的Caffe平台是学习深度学习的第一步。
1. 安装build-essentials
安装开发所需要的一些基本包
1: sudo apt-get install build-essential
2. 安装NVIDIA驱动
输入下列命令添加驱动源
1: sudo add-apt-repository ppa:xorg-edgers/ppa
2: sudo apt-get update安装340版本驱动（具体版本取决于电脑显卡的型号，详细可到NVIDIA官网查看）
1: sudo apt-get install nvidia-340安装完成后，继续安装下列包
1: sudo apt-get install nvidia-340-uvm安装驱动完毕，reboot.（重启电脑）
3. 安装CUDA 6.5
CUDA的Deb包安装较为简单，按照官网流程，事先安装必要的库
1: sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev3.1 安装CUDA
然后通过以下命令获取Ubuntu 14.04 CUDA相关的repository package
1: $ sudo dpkg -i cuda-repo-ubuntu-14_amd64.deb
2: $ sudo apt-get update然后开始安装CUDA Toolkit
1: $ sudo apt-get install cuda这个过程需要一些时间，大家可以歇会。。。。。
3.2 环境配置
sudo vim ~/.bashrc
在最后加上：
export PATH=/usr/local/cuda-6.5/bin:$PATH
&&&&& export LD_LIBRARY_PATH=/usr/local/cuda-6.5/lib64:$LD_LIBRARY_PATH
保存后退出（按esc+:并且输入wq)
安装CUDA SAMPLE
复制cudasdk下的samples复制到主目录home
验证系统环境变量是否设置正确，可以再进行一下这一步
cuda-install-samples-6.5.sh ~
验证驱动是否安装正确
cat /proc/driver/nvidia/version
正常情况会显示驱动版本
一般情况，会提示nvcc没有安装，因为cuda-toolkit没有安装完整。按照提示安装即可
sudo apt-get install nvidia-cuda-toolkit
安装完后，再次验证nvcc
编译cuda-samples
切换到cuda-samples所在目录&cd /home/NVIDA_CUDA-6.5_Samples
编译&make&（如果提示没有make命令，请安装cmake。sudo apt-get install cmake)
编译完毕，切换release目录&cd /bin/x86_64/linux/release
运行实例&./deviceQuery
如果以上过程都成功后，可以通过运行bin/x86_64/linux/release 下的deviceQuery来验证一下。如果出现以下信息，则说明驱动以及显卡安装成功
1: ./deviceQuery Starting...
3:& CUDA Device Query (Runtime API) version (CUDART static linking)
5: Detected 1 CUDA Capable device(s)
7: Device 0: &GeForce GTX 670&
8:&& CUDA Driver Version / Runtime Version&&&&&&&&& 6.5 / 6.5
9:&& CUDA Capability Major/Minor version number:&&& 3.0
10:&& Total amount of global memory:&&&&&&&&&&&&&&&& 4095 MBytes ( bytes)
11:&& ( 7) Multiprocessors, (192) CUDA Cores/MP:&&&& 1344 CUDA Cores
12:&& GPU Clock rate:&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&& 1098 MHz (1.10 GHz)
13:&& Memory Clock rate:&&&&&&&&&&&&&&&&&&&&&&&&&&&& 3105 Mhz
14:&& Memory Bus Width:&&&&&&&&&&&&&&&&&&&&&&&&&&&&& 256-bit
15:&& L2 Cache Size:&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&& 524288 bytes
16:&& Maximum Texture Dimension Size (x,y,z)&&&&&&&& 1D=(65536), 2D=(6), 3D=(, 4096)
17:&& Maximum Layered 1D Texture Size, (num) layers& 1D=(16384), 2048 layers
18:&& Maximum Layered 2D Texture Size, (num) layers& 2D=(1), 2048 layers
19:&& Total amount of constant memory:&&&&&&&&&&&&&& 65536 bytes
20:&& Total amount of shared memory per block:&&&&&& 49152 bytes
21:&& Total number of registers available per block: 65536
22:&& Warp size:&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&& 32
23:&& Maximum number of threads per multiprocessor:& 2048
24:&& Maximum number of threads per block:&&&&&&&&&& 1024
25:&& Max dimension size of a thread block (x,y,z): (, 64)
26:&& Max dimension size of a grid size&&& (x,y,z): (, 6)
27:&& Maximum memory pitch:&&&&&&&&&&&&&&&&&&&&&&&&&
28:&& Texture alignment:&&&&&&&&&&&&&&&&&&&&&&&&&&&& 512 bytes
29:&& Concurrent copy and kernel execution:&&&&&&&&& Yes with 1 copy engine(s)
30:&& Run time limit on kernels:&&&&&&&&&&&&&&&&&&&& Yes
31:&& Integrated GPU sharing Host Memory:&&&&&&&&&&& No
32:&& Support host page-locked memory mapping:&&&&&& Yes
33:&& Alignment requirement for Surfaces:&&&&&&&&&&& Yes
34:&& Device has ECC support:&&&&&&&&&&&&&&&&&&&&&&& Disabled
35:&& Device supports Unified Addressing (UVA):&&&&& Yes
36:&& Device PCI Bus ID / PCI location ID:&&&&&&&&&& 1 / 0
37:&& Compute Mode:
38:&&&&& & Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) &
40: deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 6.5, CUDA Runtime Version = 6.5, NumDevs = 1, Device0 = GeForce GTX 670
41: Result = PASS
4. 安装BLAS
Caffe的BLAS可以有三种选择，分别为atlas、mkl以及openBLAS。对于mkl可以到intel官网下载，解压完成后又一个install_GUI.sh文件，执行该文件会出现图形安装界面，根据说明一步一步执行即可。
也可对openBLAS源码进行编译，不过需要gcc以及gfortran等相关编译器。个人认为比较便捷的是atlas，在Caffe官网上有相关的介绍，对于Ubuntu，通过以下命令可以下载atlas
1: sudo apt-get install libatlas-base-dev
5. 安装OpenCV
OpenCV库安装可以通过网上写好的脚本进行下载：
解压文档后，进入Ubuntu/2.4 给所有的shell脚本加上可执行权限
1: chmod +x *.sh
然后执行 opencv2_4_9.sh 安装最新版本，注意，OpenCV 2.4.9不支持gcc-4.9以上的编译器！！
再或者可以通过ubuntu14.04中安装opencv2.4.9 - freedemos的个人空间 - 开源中国社区
http://my.oschina.net/u/1757926/blog/293976来配置opencv
6. 安装其他dependencies
对于Ubuntu 14.04，执行以下命令下载其他相关依赖库文件
1: sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev
2: sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler
7. 安装python以及Matlab
首先安装pip和python –dev
1: sudo apt-get install python-dev python-pip
以及caffe python wrapper所需要的额外包
1: sudo pip install -r /path/to/caffe/python/requirements.txt
安装matlab请参考：Ubuntu14.04+cuda6.5+opencv2.4.9+MATLAB2013a+caffe配置记录（四）——安装MATLAB2013a - fische - 博客园/fische/p/4101384.html
参考知识库
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：37099次
排名：千里之外
原创：19篇
转载：40篇
评论：20条
(1)(1)(2)(5)(22)(6)(4)(5)(11)(3)笔记本+Ubuntu14.04+cuda6.5+caffe的配置详解
0.本人主要参考了网上已有的两个配置说明（链接见文末），综合拼凑，总结出如下的caffe+Ubuntu14.04+cuda6.5+笔记本的配置方案，当然，这个方案也适用于台式机。
0.本人主要参考了网上已有的两个配置说明（链接见文末），综合拼凑，总结出如下的caffe+Ubuntu14.04+cuda6.5+笔记本的配置方案，当然，这个方案也适用于台式机。（其实笔记本很弱的，跑一下就烫得要死，配置本来就低，也跑不快，try笔记本纯属娱乐+锻炼配置caffe的经验。）
Ps：顺带说一句，除了本配置说明，官方的安装说明也得看看，毕竟人家是官方的。
（ps：多尝试，多学习，由于参考了两文，故许多直接粘贴用了，勿怪。 许多笔记本配置失败可能是因为笔记本配置不行，我的笔记本是thinkpad E430c，大家可作为参照）
1. 安装build-essentials
安装开发所需要的一些基本包
$ sudo apt-get install build-essential
2. 安装NVIDIA驱动 (3.4.0)
在关闭桌面管理 lightdm 的情况下安装驱动似乎可以实现Intel 核芯显卡 来显示 + NVIDIA 显卡来计算。具体步骤如下：
1. 首先在BIOS设置里选择用Intel显卡来显示或作为主要显示设备（这个安装完驱动重启时记得及时改回来）
2. 进入Ubuntu， 按&ctrl+alt+F1&进入tty1， 登录tty1后输入如下命令
$ sudoservice lightdm stop (重新启用桌面的命令为： $ sudo service lightdm start)
2.1 准备工作，去除自带驱动nouveau的影响
方法一(偶然看到的一种方法，自己没有用，有兴趣的同学可以try)：
在$ sudo vi /etc/modprobe.d/blacklist.conf
增加一行：blacklist nouveau
$ sudo apt-get --purge removexserver-xorg-video-nouveau
#把官方驱动彻底卸载：
$ sudo apt-get --purge removenvidia-* #清除之前安装的任何NVIDIA驱动
$ sudo service lightdm stop#进命令行，关闭Xserver
$ sudo kill all Xorg
方法二(我自己用的方法)：
1. 将nouveau添加到黑名单，防止它启动
$ cd /etc/modprobe.d
$ sudo vi nvidia-graphics-drivers.conf
&写入：blacklist nouveau
保存并退出: wq!
检查：$ cat nvidia-graphics-drivers.conf
2. 对于：/etc/default/grub，添加到末尾。
$ sudo vi /etc/default/grub
末尾写入：rdblacklist=nouveau nouveau.modeset=0
保存并退出: wq!
检查：$ cat /etc/default/grub
方法三（CUDA官方解决方案，据说可以和方法二连着用，但我没这么干，如果用了方法二驱动还安装不上或者cuda安装出错的同学，可以试下这个）：
$ sudo mv /boot/initramfs-$(uname -r).img/boot/initramfs-$(uname -r)-nouveau.img
然后重新生成initrd文件
$ sudo dracut /boot/initramfs-$(uname -r).img $(uname -r)
$ sudo update-initramfs -u &
上面那条是nVidia官方提供的命令，不知道为什么在我这里会提示dracut是不存在的命令，也许是版本问题，或者少了什么包，不过无所谓，第二条命令也可以搞定，应该是一样的功能。
2.2 安装驱动
方法一(这个貌似已经不行了，好像是那个源关掉了，不清楚%&_&%，反正我try失败)：
输入下列命令添加驱动源
$ sudo add-apt-repositoryppa:xorg-edgers/ppa
$ sudo apt-get update
安装340版驱动 (CUDA 6.5.14目前最高仅支持340版驱动， 343， 346版驱动暂不支持)
$ sudo apt-get install nvidia-340
安装完成后, 继续安装下列包 (否则在运行sample时会报错)
$ sudo apt-get install nvidia-340-uvm
安装完成后 reboot.
方法二（GUI界面安装驱动，我竟然用的是这个方法，真是不敢信+_+ 。采用其他方法的同学请保持tty1登录以及lightdm的stop状态）：
System setting ---& Software &Updates ----& Additional Drivers& 选择340版驱动（如果没有340版本，可选低一些的，但331版本不要选）
Ps:如果Additional Drivers选项里没有340版本的，建议大家不要下其他版本了，还是采用第三种方法吧。
去官网自己下载run包，自己安装，推荐Linux x64 (AMD64/EM64T) Display Driver 版本340.76(我现在用的就是这个版本)
利用CUDA6.5.14内置的驱动包安装，但据说可能有问题，有兴趣的同学可以try
Ps：驱动安装完后重启。
验证驱动& $ cat/proc/driver/nvidia/version
Ps：往后的安装就不需要特地跑到tty1去了，当然想去也不拦你。
3. 安装CUDA 6.5
下载cuda_6.5.14_linux_64.run.（手动下载(非命令行)的各种包建议都放在/home/username/下）&
/cuda-downloads
然后通过下列命令, 将下载得到的.run文件解压成三个文件, 分别为
这里就不安装NVIDIA驱动
$ sudo chmod +x ./ cuda_6.5.14_linux_64.run
$ sudo ./ cuda_6.5.14_linux_64.run--extract=extract_path (这是解压成三个文件的命令)
注意, 需要通过下面命令给所有.run文件可执行权限
$ chmod +x *.run
3.1 安装CUDA
通过下列命令安装CUDA, 按照说明一步一步安装至完成.
$ sudo ./cuda-linux64-rel-6.5.14-.run
3.1.1 添加环境变量
安装完成后需要在/etc/profile中添加环境变量, 在文件最后添加:
$ PATH=/usr/local/cuda-6.5/bin:$PATH
$ export PATH
保存后, 执行下列命令, 使环境变量立即生效
$ source /etc/profile
3.1.2 添加lib库路径
$ exportLD_LIBRARY_PATH=/usr/local/cuda-6.5/lib64:$LD_LIBRARY_PATH
$ source /etc/profile
在&/etc/ld.so.conf.d/加入文件&cuda.conf,&内容如下
/usr/local/cuda-6.5/lib64
执行下列命令使之立刻生效
$ sudo ldconfig
&Ps：cuda官方上只说选其一种方法就可以了，但我尝试只用方法一后，在执行caffe的runtest时找不到cuda的库，所以我又把方法二也做了，然后就找得到了。现在我还不知原因，可能两个步骤都需要，或者只需要做方法二就可以了。
3.2 安装CUDA SAMPLE
首先安装下列依赖包
$sudo apt-get install freeglut3-dev build-essential libx11-devlibxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
然后用下述命令安装sample文件
$sudo ./cuda-samples-linux-6.5.14-.run
完成后编译Sample文件, 整个过程大概10分钟左右
$cd /usr/local/cuda-6.5/samples
&全部编译完成后， 进入 samples/bin/x86_64/linux/release,sudo下运行deviceQuery
$ sudo ./deviceQuery&
（ps：貌似）
如果出现下列显卡信息，则驱动及cuda安装成功：
./deviceQuery Starting...
&CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: &GeForce GT 635M&
& CUDA Driver Version / Runtime Version&&&&&&&&& 6.5 / 6.5
& CUDA Capability Major/Minor version number:&&& 2.1
& Total amount of global memory:&&&&&&&&&&&&&&&& 2048 MBytes ( bytes)
& ( 2) Multiprocessors, ( 48) CUDA Cores/MP:&&&& 96 CUDA Cores
你最喜欢的