1. 前言
本教程使用的系统是Ubuntu 14.04 LTS 64-bit，使用的CUDA版本为8。
理论上本教程支持Pascal架构显卡，如游戏卡GeForce GTX1070，GTX 1080，新Titan X；以及刚刚推出的计算卡Tesla P100。
如果你在安装时使用计算卡进行GPU加速，而用于显示的显卡不是NVIDIA显卡，则可能导致因为安装NVIDIA驱动时自动加载X Server配置而无法启动图形界面。这时可以使用服务器版的Ubuntu，或者换用CentOS等。
2. 安装基础依赖项
sudo apt-get install build-essential
sudo apt-get install cmake git
3. 安装CUDA
首先需要关闭图形界面。
使用Ctrl+Alt+F1进入虚拟控制台，然后输入用户名和密码登陆。然后关闭lightdm：
sudo /etc/init.d/lightdm stop
CUDA 8需要注册Accelerated Computing Developer Program，然后可以免费下载。
在如下地址进行注册和下载：
下载完成后，前往指定的目录，然后执行：
sudo dpkg -i cuda-repo-ubuntu1404-8-0-rc_8.0.27-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda
安装完成后，重启电脑：
sudo reboot
之后打开Terminal，添加环境变量。使用gedit打开如下文档：
sudo gedit /etc/profile
在文件末尾添加：
PATH=/usr/local/cuda/bin:$PATH export PATH
保存完成后，执行如下命令使环境变量立即生效：
source /etc/profile
然后还需要添加lib的路径：
sudo gedit /etc/ld.so.conf.d/cuda.conf
在文件中写入如下内容然后保存：
/usr/local/cuda/lib64
之后执行如下命令使之生效：
sudo ldconfig
执行完了这些操作之后，还可以安装CUDA SAMPLES来检测CUDA是否运行正常，鉴于这不是CUDA编程教程，本教程暂不介绍。
4. 安装其他的一些依赖项
sudo apt-get install freeglut3-dev libx11-dev libxmu-dev libxi-dev libglu1-mesa-dev
sudo apt-get install 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
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler
PS：复制粘贴太长的命令可以能因为浏览器的原因导致输入了多余的换行符，如果复制粘贴带有换行符的命令进Terminal，会被当做两条命令来执行，一定要注意这一点。
5. 安装ATLAS
本步骤可以用OpenBLAS或者Intel MKL替代。我在E5-2690v2+GTX780的平台上测试过这三种库，性能相差无几，这里就介绍其中一种：
sudo apt-get install libatlas-base-dev
然后自动安装完成即可。
目前intel MKL是收费软件，OpenBLAS可以免费下载和安装。如果使用这两种库，编译Caffe时要在Makefile.config做出对应的修改。
6.下载Caffe
从GitHub上直接下载Caffe的最新版
git clone https://github.com/BVLC/caffe.git
也可以从Caffe的GitHub工程中下载Caffe的历史版本：
7. 安装Python
先安装相关依赖项
sudo apt-get install python-dev python-pip
转到下载的caffe的目录下，然后转到python目录下
cd python
执行如下命令：
for req in $(cat requirements.txt); do sudo pip install $req; done
等待其自动安装即可。
8. 编译Caffe
在caffe目录下，执行：
cp Makefile.config.example Makefile.config
然后打开Makefile.config，根据自己的需要修改相关参数。
进行编译：
make all -j10
make test
make runtest
PS：-j10指10线程同时编译，根据自己CPU的特点调整该参数，如果不了解自己CPU，直接执行make即可。
然后可以根据需求编译pycaffe：
make pycaffe
然后caffe就安装结束了。
9. 运行minist demo
转到 Caffe 目录下
sh data/mnist/get_mnist.sh
sh examples/mnist/create_mnist.sh
sh examples/mnist/train_lenet.sh
如果运行正常，caffe就可以正常工作了。
如需配置MATLAB和cuDNN，可以参考这篇教程：点击这里
本教程编写参考了如下教程，特此鸣谢：http://www.cnblogs.com/platero/p/3993877.html
Caffe的官方网站是 http://caffe.berkeleyvision.org/
如果有任何问题可以联系我：yaoyaoliu AT outlook.com
最近更新于2016-09-10 22:17:22