ubuntu16.04下cuda8.0+cudnn+matlab+opencv+python的caffe安裝與環境搭建
py-faster-rcnn的編譯與測試
網絡上有很多ubuntu上caffe配置環境的文章，本人照着其中的許多進行了參考，都出現了或多或少的錯誤，很多地方也有差異。
于是自己整理了下自己的安裝過程，成功進行了測試，跑通了faster-rcnn。配置環境時間為2017.1.4 系統ubuntu16.04
一：顯示卡驅動的安裝：
由于要使用GPU，是以先要檢視自己顯示卡所比對的顯示卡驅動，網址：http://www.nvidia.com/Download/index.aspx?lang=en-us
選擇電腦比對的顯示卡驅動，本人電腦顯示卡為GTX760，選擇如下圖所示
輸入以下指令執行安裝驅動：
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-375 //此處為上圖的驅動版本
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev 安裝完成後，重新開機電腦後輸入
nvidia-smi 出現你的電腦gpu清單，如下所示，表示驅動安裝成功。
二：安裝配置CUDA8.0
cuda官方下載下傳位址：https://developer.nvidia.com/cuda-downloads，選擇如下:
下載下傳完成後，解壓到目前目錄，切換到該目錄輸入：
sh cuda_8.0.44_linux.run --override 安裝過程中，出現很多選擇的選項，先一直按S滑到百分百，然後根據提示輸入，分别如下：
1 輸入accept接受條款
2 輸入n不安裝nvidia圖像驅動，之前已經安裝過了//此處一定要選擇n
3 輸入y安裝cuda 8.0工具
4 回車确認cuda預設安裝路徑：/usr/local/cuda-8.0
5 輸入y用sudo權限運作安裝，輸入密碼
6 輸入y或者n安裝或者不安裝指向/usr/local/cuda的符号連結
7 輸入y安裝CUDA 8.0 Samples，以便後面測試
8 回車确認CUDA 8.0 Samples預設安裝路徑： 最重要的是确定此處不要再選擇安裝驅動。
添加環境路徑：
sudo vim ~/.bashrc //末尾添加
export CUDA_HOME=/usr/local/cuda-8.0
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-8.0/bin:$PATH 添加完成後source ~/.bashrc 使之生效。
測試cuda的例子，并得到如下輸出：
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
make -j4
sudo ./deviceQuery 表明cuda安裝成功。
三：Cudnnv5的安裝
從官網下載下傳最新的cudnn，網址：https://developer.nvidia.com/rdp/cudnn-download，如下圖選擇适當的cudnn版本
本人下載下傳放在Download目錄下,進入該目錄并解壓，建立軟連接配接，如下所示：
cd ./Download/
tar -xvzf cudnn-8.0-linux-x64-v5.1.tgz
sudo cp ./cuda/include/cudnn.h /usr/local/cuda/include
sudo cp ./cuda/lib64/lib* /usr/local/cuda/lib64
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5
sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5
sudo ln -s libcudnn.so.5 libcudnn.so
sudo ldconfig 四：matlab的安裝與配置
本人使用的matlab版本位：R2014b_glnxa64_withcrack.iso
1、挂載iso（需建立matlab_iso檔案夾）：
mkdir matlab_iso //主目錄
sudo mount -o loop R2014b_glnxa64_withcrack.iso ~/matlab_iso
2、開始安裝：
cd ~/matlab_iso
sudo ./install
3、選擇不聯網安裝
4、密鑰輸入，29797-39064-48306-32452
5、激活：選擇”license.lic”檔案進行激活（在crack檔案夾下面）
6、将libmwservices.so複制到/usr/local/MATLAB/R2014b/bin/glnxa64中：
sudo cp libmwservices.so /usr/local/MATLAB/R2014b/bin/glnxa64/libmwservices.so 啟動matlab後出現問題，可以參考這個文章http://blog.csdn.net/csd_ct/article/details/51837894 。隻需要将/sys/os/glnxa64/下的libstdc++.so.6 重命名位libstdc++.so.6.old.
五：Opencv3.1的安裝
opencv3.1的下載下傳，網址連結：http://opencv.org/downloads.html
安裝必要項：
1 sudo apt-get update
2 sudo apt-get install -y build-essential cmake git pkg-config
3 sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler
4 sudo apt-get install -y libatlas-base-dev
5 sudo apt-get install -y --no-install-recommends libboost-all-dev
6 sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev
7 sudo apt-get install -y python-pip
8 sudo apt-get install -y python-dev
9 sudo apt-get install -y python-numpy python-scipy sudo apt-get install build-essential
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev 解壓opencv并進入該目錄：
cd opencv-3.1.0
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local .. 期間可能會卡在ippcv的下載下傳中，Ctrl + c中斷後，可以到 ippicv_linux_20151201.tgz 下載下傳。将下載下傳的檔案替換掉 OpenCV-3.1.0/3rdparty/ippicv/downloads/linux-8b449a536a2157bcad08a2b9f266828b下的同名檔案。
make -j4
sudo make install make過程中，出現了
graphcuts.cpp
的錯誤，進行如下修改：
sudo vim ../modules/cudalegacy/src/graphcuts.cpp 将45行的
#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER)
修改為
#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER) || (CUDART_VERSION >= 8000)
編譯完成後注意需要運作sudo make install執行安裝
六：Caffe編譯
1 cd ~
2 git clone https://github.com/BVLC/caffe.git //從github上git caffe 如果沒有安裝git，可以先使用sudo apt-get install git執行安裝。
1 cd caffe
2 sudo cp Makefile.config.example Makefile.config
3 sudo vim Makefile.config 此時會修改caffe的編譯配置，需要修改如下地方:
1 # USE_CUDNN := 1 修改成： USE_CUDNN := 1
2 # OPENCV_VERSION := 3 修改為： OPENCV_VERSION := 3
3 # WITH_PYTHON_LAYER := 1 修改為 WITH_PYTHON_LAYER:=1
4 #USE_OPENCV := 0 修改成 USE_OPENCV :=1
5 #USE_LEVELDB := 0 修改為 USE_LEVELDB:=1
6 #USE_LMDB := 0 修改位 USE_LMDB :=1
7 //修改matlab目錄
8 将MATLAB_DIR := /usr/local/MATLAB/R2014b
9 //最終要的修改 # Whatever else you find you need goes here.下面的
10 INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
11 LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
12 修改為：
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
13 LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial //這是因為ubuntu16.04的檔案包含位置發生了變化，尤其是需要用到的hdf5的位置，是以需要更改這一路徑 修改Makefile檔案：
sudo vim Makefile
将
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替換為
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS) 編輯/usr/local/cuda/include/host_config.h 将119行的
#error -- unsupported GNU version! gcc versions later than 5 are not supported! 修改為 //#error -- unsupported GNU version! gcc versions later than 5 are not supported!，即添加了注釋，使之無效
進行編譯：
sudo make all -j8
sudo make runtest -j8 若編譯出現libcudart.so.8.0錯誤，則執行如下指令
sudo cp /usr/local/cuda-8.0/lib64/libcudart.so.8.0 /usr/local/lib/libcudart.so.8.0
sudo cp /usr/local/cuda-8.0/lib64/libcublas.so.8.0 /usr/local/lib/libcublas.so.8.0
sudo cp /usr/local/cuda-8.0/lib64/libcurand.so.8.0 /usr/local/lib/libcurand.so.8.0
sudo ldconfig 此時正确情況如下圖所示：
編譯matcaffe：
執行 make matcaffe -j4
顯示MEX completed successfully，表示編譯matcaffe成功，
執行make mattest -j4 即運作matcaffe的測試程式，結果如下圖：
編譯pycaffe
1 sudo make pycaffe -j4
2 sudo make distribute -j4
3 cd python
4 for req in $(cat requirements.txt); do sudo pip install -i https://pypi.tuna.tsinghua.edu.cn/simple $req; done
5 cd ../ 運作make pytest -j4進行測試，出現如下圖：
表明pycaffe編譯成功 在～/.bashrc 末尾添加export PYTHONPATH=/home/zf/caffe/python:$PYTHONPATH //自己對照自己路徑。
打開python導入caffe 可以成功，如下：
七：mnist集測試：
cd ~/caffe
./data/mnist/get_mnist.sh
./examples/mnist/create_mnist.sh
./examples/mnist/train_lenet.sh 結果如下圖，正确率為99.08%
八：faster-rcnn配置與測試：
mkdir ~/caffetest
cd caffetest
git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git //下載下傳rcnn源碼
cd py-faster-rcnn
cd lib
make
cd ../caffe-fast-rcnn
//用之前編譯的caffe替換rcnn的Makefile.config
sudo cp ~/caffe/Makefile.config ./caffe-fastr-rcnn/
sudo make -j4 && make pycaffe
cd ../
sudo ./data/script/fetch_faster_rcnn_models.sh 此過程中若出現cudnn錯誤，可以做如下方式進行解決：
//在caffe-fast-rcnn目錄下
git remote add caffe https://github.com/BVLC/caffe.git
git fetch caffe
//可能需要github賬号 按照提示輸入git config --global user.email ～～～ 和 git config --global user.name ～～～
git stash save
git merge caffe/master 将caffe-fast-rcnn/include/caffe/layers/python_layer.hpp的29行self_.attr("phase") = static_cast<int>(this->phase_);注釋掉
重新編譯成功後，執行demo,兩種demo為不同的模型架構，
cd ~/caffetest/py-faster-rcnn
./tool/demo.py
./tool/demo.py --net zf 若出現Check failed：error == cudaSuccess（8 vs 0） invalid device function,則将py-faster-rcnn/lib/setup.py 的第135行，将arch改為與你顯示卡相比對的數值，（比如我的GTX 760，計算能力是3.0，就将sm_35改成了sm_30）然後删除utils/bbox.c，nms/cpu_nms.c ，nms/gpu_nms.cpp 重新編譯即可
最終結果部分圖檔如下：
九：總結與體會
之前花費了時間斷斷續續的進行caffe的安裝與配置，但是總會出現大大小小的問題，但是最後才發現是第一步驅動的問題，很多部落格說到的編譯器問題，在我這次安裝過程中都沒有出現。
據說是現在cuda8.0後對此進行了修複。最終能夠完全成功，也是非常令人高興的，也說明了，做一個事情，還是得老老實實專心的做下去。寫這篇部落格，一是為了紀念一下這一路安裝的心酸，也
是想友善以後的人，希望對他們能有幫助，少走一點彎路。加油～
安裝過程中用到的安裝軟體，筆者會稍後上傳到網盤，需要的可以聯系筆者。筆者QQ：476833883。