Ubuntu16.04系统下CUDA8.0配置Caffe教程
由于最近安装了Ubuntu16.04，苦于之前配置Caffe的教程都在版本14.04左右，无奈只能自己摸索，最终配置成功。本文教程的特点是不需要降级gcc的版本，毕竟cuda7.5不支持gcc5以上(默认不支持，实际支持)，避免出现一系列乱七八糟的问题，反正之前我是碰到了。
本文是在参考caffe官网教程以及http://www.linuxidc.com/Linux/2015-07/120449.htm结合自己总结经验而来，对此表示感谢。
1. 所需文件下载
1.1 Ubuntu16.04在官网下载，然后在windows下用UltraISO制作，相关文章搜索有一大片，此处不再赘述。
1.2 cuda8.0，下载的版本是ubuntu16.04的run文件，个人感觉比较方便。
1.3 cudnn5.0，进去之后如果有注册过nvidia的账户直接点击download，否则需要注册一个账户，注册完之后有一个调查，随便选几个钩就可以，然后下一步是接受条款开始就可以下载了。
1.4 caffe下载就在官方的github下载就可以了
2. 显卡驱动安装
2. 直接在ubuntu系统设置，软件和更新里面，选择中国的服务器源刷新之后，点击附加驱动选项，在Nvidia Corporation选择367，然后点击应用更改，下载安装完之后重启。
安装显卡驱动后可以用nvidia-smi测试
出现这个界面就说明安装成功了，但是之后你要在系统设置的电源选项里面设置不要挂起，就是各种不要挂起，但是我的是笔记本，合盖的时候还是会挂起，
挂起之后，只能强制关机，然后冷启动。
我的电脑可能太独特了（我的电脑是Alienware15r2），有时候扬声器有声音，有时候没有声音，线性耳机是一直没有声音，没有声音的时候，我就用蓝牙耳机连接才能有声音，重启的话，得看人品，有时候好使，有时候还是没声音。
如果你的电脑配置一般，恰巧想换电脑的话，奉劝你不要买预装windows的电脑，现在的电脑都是win10，体验很差，安装ubuntu后也是各种驱动不兼容，不如直接买Mac，虽然贵了点，但是还是很好用的，进行深度学习的训练可以安装虚拟机跑cpu版本，或者ssh连接服务器进行训练。
3. Cuda8.0安装
3.1 以文件名为cuda.run为例，终端下输入 sh cuda.run --override 启动安装程序，此处有大量的条款，一路空格到最后 输入accept，依次输入y回车，然后n(不安装显卡驱动)，然后一路y回车，有一个地方需要输入密码，还有两个地方确认安装路径，直接回车即可，完成安装，默认安装路径是/usr/local
将下载下来的cudnn-8.0-linux-x64-v5.0-ga.tgz 解压之后，解压后的cuda文件夹先打开里面的include文件夹，空白右键在终端打开输入： sudo cp cudnn.h /usr/local/cuda/include/ cd ~/cuda/lib64 sudo cp lib* /usr/local/cuda/lib64/
继续更新文件链接
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
然后设置环境变量 sudo gedit /etc/profile
在末尾加入 PATH=/usr/local/cuda/bin:$PATH
export PATH
保存之后创建链接文件 sudo vim /etc/ld.so.conf.d/cuda.conf
键盘按i进入编辑状态，添加文字 /usr/local/cuda/lib64
然后按esc，输入:wq保存退出。
终端下接着输入 sudo ldconfig 使链接生效
4. 生成Cuda Sample测试
首先在此之前先把需要的依赖包都安装好，为接下来make caffe做准备 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 libatlas-base-dev sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
然后开始make samples ，终端下
/home/lester/NVIDIA_CUDA-8.0_Samplessudo make all -j4 cd /home/lester/NVIDIA_CUDA-8.0_Samples sudo make all -j4
这就应该开始make了，此处大约有5、6分钟。完成之后 cd /home/lester/NVIDIA_CUDA-8.0_Samples/bin/x86_64/linux/release
./deviceQuery
会出现类似以下的信息
< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 8.0, CUDA Runtime Version = 7.5, NumDevs = 1, Device0 = GeForce GTX 750 Ti
Result = PASS
这就说明成功了。
5. Python配置
将之前github下载的caffe压缩文件解压缩到任一目录，然后安装python
python的版本安装有两种方式：
第一是直接安装anaconda，去官网下载 ，选择linux 64bit 2.7版本下载安装，anaconda安装方便但是需要在最后的make配置文件中更改python包含路径。
第二种方法就是使用原生的python2.7版本，终端下 sudo apt-get install python-pip 安装pip
这里我们用pip安装一些python需要的依赖包，不过为了避免各种问题，也可以通过apt-get安装，反正我这两种方式都安装了一遍(-.-) sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose
以caffe默认解压到/home/user(你的用户名)/ ，文件夹名名称caffe为例 cd /home/user/caffe/python sudo su for req in $(cat requirements.txt); do pip install $req; done
这里用pip安装可能速度很慢，很可能下载好几个小时，推荐用清华大学的pip源临时安装，所以命令改为如下： for req in $(cat requirements.txt); do pip install -i https://pypi.tuna.tsinghua.edu.cn/simple $req; done
这里如果第一次有很多红字错误，建议再运行几遍指导安装成功，对于黄字提示无需理会，可能是pip版本需要更新。
6.NCCL安装（貌似是用于多显卡并行加速用的）
这个直接git clone https://github.com/NVIDIA/nccl
cd nccl/
make CUDA_HOME=<cuda install path> test
举个例子，我运行的命令是make CUDA_HOME=/usr/local/cuda test
vim /etc/profile
于文件末尾处添加你的nccl动态库路径
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/hugo/nccl/build/lib
sourch ~/.bashrc
./build/test/single/all_reduce_test 10000000
sudo make install
sudo ldconfig
然后应该就可以了
我在nccl这里安装借鉴的是http://www.cnblogs.com/darkknightzh/p/5717234.html
7. Caffe编译过程
我的caffe是直接下载压缩包然后解压的，直接使用git克隆，会又莫名其妙的问题，我就没管它，反正直接下载压缩包再解压不报错
接下来要进入最后的步骤了，终端中 cd /home/user/caffe cp Makefile.config.example Makefile.config gedit Makefile.config
将USE_CUDNN := 1 取消注释，在 INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include后面打上一个空格 然后添加/usr/include/hdf5/serial 如果没有这一句可能会报一个找不到hdf5.h的错误
就像这样，你可以直接复制粘贴过去
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/lib/x86_64-linux-gnu/hdf5/serial/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial/lib
PYTHON_INCLUDE := /usr/include/python2.7 \ 先不做更改。
/usr/lib/python2.7/dist-packages/numpy/core/include
如果你电脑上有多个相同型号的显卡，并且安装了nccl，那么去掉USE_NCCL=1之前的注释。
第二，在make过程中还会报一个ld找不到libhdf5 和libhdf5_hl的链接问题，这个原因可能也是因为hdf5的问题，首先看/usr/lib/x86_64-linux-gnu 目录下有没有libhdf5.so和libhdf5_hl.so，如果有的话，查看属性是否有正确的链接(正常情况下应该是没有这两个文件)，然后右键在终端中打开 sudo ln libhdf5_serial.so.10.1.0 libhdf5.so sudo ln libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so
注意，10.1.0和10.0.2可能不同电脑安装版本不同，注意看当前目录下存在的文件然后 sudo ldconfig 生效
接下来就是直接编译的过程 cd /home/user/caffe make all -j4 make test -j4 make runtest make pycaffe make matcaffe
如果编译没报错正常的话，基本就没问题了。测试python打开
我到这一步import caffe 是找不到模块的，然后就有了第8步
8. 使Caffe的python接口永久生效
sudo gedit /etc/profile
profile最后添加: export PYTHONPATH=/root/$CAFFE_ROOT/python:$PYTHONPATH
source /etc/profile
在命令行直接输入caffe显示找不到命令
sudo gedit ~/.bashrc
在最后添加上export PATH=/home/你的用户名/caffe/build/tools:$PATH
source ~/.bashrc
注意：
有一些python库没有安装，在import caffe测试时会出错，常见的库缺失错误：
ImportError: No module named skimage.io
执行命令
easy_install scikit-image
sudo pip install scikit-image
9.运行训练mnist网络问题
cd /caffe/data/mnist
./get_mnish.sh
回到caffe目录下
./excamples/mnist/create_mnist.sh（这条命令一定要在caffe根目录下运行，不知道为什么，不在根目录运行就说找不到文件，坑爹）
./excamples/mnist/train_lenet.sh
然后在命令行上就可以看到mnist训练集的训练情况了
如果你看不懂显示的是什么，可以看我的其他博客
经过三天的无法导入numpy模块，中间我试过将Pyhton2.7.12升级到2.7.13,卸载Python，卸载模块，各种方法，然后还是不好使，我在咒骂ubuntu和caffe之后选择了屈服，重装ubuntu，竟然好使了，之前也是莫名其妙就不好使了，唉，坑啊。。。。。。。。。
我参考了这两篇博客，有些是直接复制过来的，加入了一点我遇到的错误和解决方法。
http://www.cnblogs.com/balmy/p/5742872.html
http://blog.csdn.net/g0m3e/article/details/51420565
有-时-会-需-要-一-些-越-（-f-a-n-）-狱（q-i-a--n-g）-才-能-看-的-资-料，-可-以-使-用-蓝-灯-，-专-业-版-速-度-更-快，
可-以-输-入-我-的-邀-请-码- H9WHX5 -来-获-得-三-个-月-的-蓝-灯-专-业-版-！-立-即-下-载- https://github.com/getlantern/forum