这篇文章将为大家详细讲解有关Ubuntu14.04 Caffe如何安装，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。
Caffe全称Convolutional Architecture for Fast Feature Embedding，是一个计算CNN相关算法的框架。就目前来说是deeplearning最流行的开源的框架，所以使用的人也是最多的。
caffe网址：http://caffe.berkeleyvision.org/
github网址：https://github.com/BVLC/caffe/
系统：Ubuntu14.04 Desktop x64（建议使用刚安装好的系统，同时不要更新，不然会影响后面的某些环节）
显卡：支持CUDA的显卡，当然这个不是必须的
安装开发需要的一些基本包
sudo apt-get updatesudo apt-get install build-essentialsudo apt-get install gfortran ## python中安装scipy需要依赖gfortran
注：Ubuntu默认环境虽然已经有gcc，但并没有提供C/C＋＋的编译环境，单独安装编译环境比较复杂，所以提供了build-essential命令一键来构建所需的编译环境。
cuda在caffe编译和使用中不是必须的，如果实在没有支持cuda的显卡或者只想尝试一下caffe，不需要用它来进行复杂的训练，不安装也可以。
安装链接：http://blog.csdn.net/honyniu/article/details/46387429
这个库是基于cuda，当然也是可选的。
安装链接：http://blog.csdn.net/honyniu/article/details/46388241
这个库提供了caffe需要的一些基本的矩阵和向量库，这个是必选的。
安装链接：http://blog.csdn.net/honyniu/article/details/46388915
OpenCV提供了图像处理和计算机视觉的库，在caffe使用中是必须的，同时最好自己编译安装。
安装链接：http://blog.csdn.net/honyniu/article/details/46390097
caffe需要一些特定的数据库的操作， 因此需要安装leveldb， lmdb， hdf5等库。 此外， caffe采用了google的一些库， 比如protobuf以及glog， 这些也需要安装，命令如下。
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler
这两个不是必须的，但是caffe提供了bash、matlab和python的接口，同时caffe许多的可视化接口都是通过python实现的，推荐安装。
matlab在这里使用的是Matlab-R2014A，这里就不讲怎么安装得了，自己去百度教程，默认安装即可，安装在’/usr/local/MATLAB’目录下。
ubuntu默认安装的2.7的版本但是为了安装Python开发环境，方便今后编译其他扩展库，命令如下
sudo apt-get install python-dev
python是使用的虚拟环境，具体虚拟环境的构建见http://blog.csdn.net/honyniu/article/details/46382929
激活虚拟环境
source ENV/bin/activate
安装编译pycaffe的依赖包， 进入caffe安装目录中的python文件夹， 你会看到一个requirements.txt， 首先， 修改protobuf那一行为protobuf==2.5.0, 然后执行下面命令：
for req in $(cat requirements.txt); do pip install $req; done
这里我们没安装caffe推荐的anaconda包， 因为安装之后进不去桌面。而且anaconda包只是一个自带了requirements.txt中所有选项的python集合库， 将上面的库安装好之后， 不装anaconda没有任何影响。
可以去上面的caffe的github网址把caffe最新代码下载下来，也可以使用git命令获取，如下
git clone https://github.com/BVLC/caffe.git
终于到了最后的一步了，如果安装好了上面的所有的caffe的依赖，那么下面就可以对caffe进行配置和编译了。
首先拷贝生成所需要的’Makefile.config’文件，caffe安装包下面给提供了example，注意直接拷贝下面的可能会报错，因为每一行命令的后面不能有空白的字符串，有可能会导致编译不通过。
cp Makefile.config.example Makefile.config
然后对该’Makefile.config’文件根据自己的需求进行修改，下面是我的配置以及一些注释。
## Refer to http://caffe.berkeleyvision.org/installation.html# Contributions simplifying and improving our build system are welcome!# cuDNN acceleration switch (uncomment to build with cuDNN).USE_CUDNN := 1 #如果没有安装cudnn的注掉# CPU-only switch (uncomment to build without GPU support).# CPU_ONLY := 1 #如果没有安装cuda，不是要GPU的设置开启 # To customize your choice of compiler, uncomment and set the following.# N.B. the default for Linux is g++ and the default for OSX is clang++# CUSTOM_CXX := g++# CUDA directory contains bin/ and lib/ directories that we need.CUDA_DIR := /usr/local/cuda #cuda默认安装目录（其实是软链接），一般不需要修改，但如果没有安装cuda需要注掉# On Ubuntu 14.04, if cuda tools are installed via# "sudo apt-get install nvidia-cuda-toolkit"># CUDA_DIR := /usr# CUDA architecture setting: going with all of them.# For CUDA < 6.0, comment the *_50 lines for compatibility.CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \ -gencode arch=compute_20,code=sm_21 \ -gencode arch=compute_30,code=sm_30 \ -gencode arch=compute_35,code=sm_35 \ -gencode arch=compute_50,code=sm_50 \ -gencode arch=compute_50,code=compute_50# BLAS choice:# atlas for ATLAS (default)# mkl for MKL# open for OpenBlasBLAS := mkl #这里使用的是Intel MKL，如果使用的ATLAS，请自行修改# Custom (MKL/ATLAS/OpenBLAS) include and lib directories.# Leave commented to accept the defaults for your choice of BLAS# (which should work)!BLAS_INCLUDE := /opt/intel/mkl/include #如果是atlas，这两个路径要注掉BLAS_LIB := /opt/intel/mkl/lib/intel64# This is required only if you will compile the matlab interface.# MATLAB directory should contain the mex binary in /bin.MATLAB_DIR := /usr/local/MATLAB/R2014a #Matlab的路径，没安装Matlab或者不需要编译该接口可以注掉# MATLAB_DIR := /Applications/MATLAB_R2012b.app# NOTE: this is required only if you will compile the python interface.# We need to be able to find Python.h and numpy/arrayobject.h.#设置是python库的路径，使用的是虚拟环境capy这里就是一直提到的ENV，有时候可能不起作用，还是会报错，不知道为什么，那就设置下面的export，一般就没问题了。PYTHON_INCLUDE := /home/huayong/capy/include/python2.7 \ /home/huayong/capy/lib/python2.7/site-packages/numpy/core/include#If it doesn't work above, you can try this below.export CPLUS_INCLUDE_PATH=/home/huayong/capy/include/python2.7:/home/huayong/capy/lib/python2.7/site-packages/numpy/core/include# Anaconda Python distribution is quite popular. Include path:# Verify anaconda location, sometimes it's in root.# ANACONDA_HOME := /home/wenzheng/anaconda# PYTHON_INCLUDE := $(ANACONDA_HOME)/include \# $(ANACONDA_HOME)/include/python2.7 \# $(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include \# We need to be able to find libpythonX.X.so or .dylib.PYTHON_LIB := /usr/lib/x86_64-linux-gnu# PYTHON_LIB := $(ANACONDA_HOME)/lib# Uncomment to support layers written in Python (will link against Python libs)WITH_PYTHON_LAYER := 1# Whatever else you find you need goes here.# INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include# LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib# Uncomment to use `pkg-config` to specify OpenCV library paths.# (Usually not necessary -- OpenCV libraries are normally installed in one of the above $LIBRARY_DIRS.)USE_PKG_CONFIG := 1BUILD_DIR := build DISTRIBUTE_DIR := distribute# Uncomment for debugging. Does not work on OSX due to https://github.com/BVLC/caffe/issues/171# DEBUG := 1# The ID of the GPU that 'make runtest' will use to run unit tests.TEST_GPUID := 0# enable pretty build (comment to see full commands)Q ?= @
基本的编译，j代表是多线程编译，一般前两个命令不会出错，最后一个可能会出错，但有时候也不影响使用。
make all -j8 make alltest -j8 make runtest
编译matlab和python接口，这个当然不是必须的，看你自己的需求。
make pycaffe make matcaffe
关于“Ubuntu14.04 Caffe如何安装”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
