? 洋洋灑灑一大篇，就沒截圖了，這幾天一直在折騰這個東西，實在沒辦法，不想用Linux但是，為了Caffe，只能如此了，安裝這些東西，遇到很多問題，每個問題都要折磨很久，大概第一次就是這樣的。想想，之后應用，應該還會遇到很多問題吧，不過沒辦法了，騎虎難下！！這里有個建議是，如果將來要做大數據集，最好事先給Linux留多點空間，比如Imagenet，估計500G都不為過。另外，請閱讀完，至少一個部分再進行動手操作，避免多余的工作，寫作能力有限，盡請見諒。
??????? 這篇安裝指南，適合零基礎，新手操作，請高手勿要吐槽！??
??????? 簡單介紹一下：
Caffe
，一種Convolutional Neural Network的工具包，和Alex的
cuda-convnet
功能類似，但各有特點。都是使用C++?CUDA進行底層編輯，Python進行實現，原作不屬于Ubuntu 12，也有大神發布了Windows版，但其他相關資料較少，不適合新手使用，所以還是Ubuntu的比較適合新手。（相對而言）
?????? 本文主要包含5個部分，包括：
第一部分 Linux安裝
第二部分 nVidia驅動和CUDA Toolkit的安裝和調試
第三部分 Caffe的安裝和測試
第四部分 Python安裝和調試
第五部分 Matlab安裝和調試?????
- 第一部分 Linux安裝
? ? ?Linux的安裝，如果不是Linux粉，只是必須，被迫要用它來作作科研什么的，建議安裝成雙系統，網上方法很多，這里我就不詳細寫了，安裝還算是傻瓜式的，和windows的過程類似，至于語言，如果覺得難度還不夠大的話，完全可以裝E文版的，甚至日文，德文~~~，我是裝的簡體中文版，我總共用分出的100G的空間來安裝Ubuntu 14.04，這個版本是最新的版本，有個好處是，可以直接訪問Windows8.1的NTFS分區，不用做額外的操作，而且支持中文，例如：$ cd /media/yourname/分區名字/文件夾名，當然GUI就更方便了
我的分區設置如下：
根分區： \ ?50G，
Swap交換分區：16G ，這里，我設置和我的內存一樣，據說小于16G的內存，就設置成內存的1.5-2倍
Home分區：剩余的34G
? ? ? ?裝好之后，重啟電腦，有的人會直接進Linux，有的會直接Windows，谷歌或者百度解決方法吧，因為我也說不清這個具體怎么搞定。
我的臺式機，搞定了，可是筆記本，把Windows分區也給破壞了，最后只能重裝Windows 8.1，但因為筆記本沒有nVidia的GPU所以不想再折騰了。
PS: 其實到現在感覺空間可能小了, 想想Imagenet 137G的訓練文件，覺得應該把Home設置成300-500G以上，會更合適吧。下次安裝的時候，再改了，現在暫時不想動了。
PS：今天還是重新裝了，把home分區擴大到500G。所以建議真的要大數據實驗的小伙伴，也趁早考慮。
?
PS：今天還是重新裝了，把home分區擴大到500G。所以建議真的要大數據實驗的小伙伴，也趁早考慮。
?
PS： Ubuntu下訪問網頁總是很慢，讓我深感它和Windows的差距，可是為什么還是有那么多人向往它呢？下面的辦法可以解決部分訪問的問題，特別是國外的網站，但是遇到一些調用了被墻的網站的東西，比如google的字體，還是沒辦法，仍然會在哪里轉圈圈。這里似乎是操作系統的機制引起，Windows的瀏覽器會忽略那些錯誤，而Ubuntu下的瀏覽器會不停嘗試。廢話少說，部分問題的解決辦法：
$ sudo apt-get install dnsmasq
$
?sudo?gedit?/etc/dnsmasq.conf
找到?# resolv-file=
修改為：resolv-file=/etc/resolv.dnsmasq.conf
$
?sudo?cp?/etc/resolv.conf?/etc/resolv.dnsmasq.conf
?
?
$?
sudo?gedit?/etc/resolv.conf
刪除所有域名服務器，保留：nameserver?127.0.0.1
刪除所有域名服務器，保留：nameserver?127.0.0.1
?
- 第二部分：nVidia驅動和CUDA Toolkit的安裝和調試
PS：這里其實可以參考nVidia 官方提供的CUDA安裝手冊，非常相近，32頁的，不過是全英文的，我就是參考這個文檔完成后面的配置和驗證工作。
https://developer.nvidia.com/rdp/cuda-65-rc-toolkit-download#linux
。一般要輸入你的用戶名和密碼，就是下載6.5的那個賬號。
一、Verify You Have a CUDA-Capable GPU
執行下面的操作，然后驗證硬件支持GPU CUDA，只要型號存在于
https://developer.nvidia.com/cuda-gpus
，就沒問題了
$ lspci | grep -i nvidia
二、Verify You Have a Supported Version of Linux
二、Verify You Have a Supported Version of Linux
$ uname -m && cat /etc/*release
重點是“x86_64”這一項，保證是x86架構，64bit系統
三、Verify the System Has gcc Installed
三、Verify the System Has gcc Installed
$ gcc --version
沒有的話就先安裝吧，這個是必須的用來編譯CUDA Toolkit，不過Ubuntu 14.04是默認有的
四、Download the NVIDIA CUDA Toolkit
四、Download the NVIDIA CUDA Toolkit
$ md5sum <filename>
例如：
md5sum cuda_6.5.11_rc_linux_64.run
?，這個文件的正確?md5 = a47b0be83dea0323fab24ca642346351
這個感覺蠻重要，我第一次安裝的時候md5就沒通過，強制安裝，結果就有問題，后面重新下載了再安裝了一次
五、Handle Conflicting Installation Methods
五、Handle Conflicting Installation Methods
根據官網介紹，之前安裝的版本都會有沖突的嫌疑
所以，之前安裝的Toolkit和Drievers就得卸載，屏蔽，等等
六、Graphical Interface Shutdown
六、Graphical Interface Shutdown
退出GUI，也就是X-Win界面，操作方法是：同時按：CTRL+ALT+F1（F2-F6），切換到TTY1-6命令行模式。
關閉桌面服務：
$ sudo stop lightdm
七、Interaction with Nouveau
七、Interaction with Nouveau
Nouveau是一個開源的顯卡驅動，Ubuntu 14.04 默認安裝了，但是它會影響nVidia驅動的安裝，所以只有請他回老家了，sorry！
1. 將nouveau添加到黑名單，防止它啟動
$ cd /etc/modprobe.d
$ sudo vi nvidia-graphics-drivers.conf
? 寫入：blacklist nouveau
$ sudo vi nvidia-graphics-drivers.conf
? 寫入：blacklist nouveau
保存并退出: wq!
檢查：$ cat nvidia-graphics-drivers.conf
?
2. 對于：/etc/default/grub，添加到末尾。
$ sudo vi? /etc/default/grub
末尾寫入：rdblacklist=nouveau nouveau.modeset=0
保存并退出: wq!
檢查：$ cat /etc/default/grub
?
3. 官網提供的操作：
檢查：$ cat nvidia-graphics-drivers.conf
?
2. 對于：/etc/default/grub，添加到末尾。
$ sudo vi? /etc/default/grub
末尾寫入：rdblacklist=nouveau nouveau.modeset=0
保存并退出: wq!
檢查：$ cat /etc/default/grub
?
3. 官網提供的操作：
$ 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? ?
$?sudo update-initramfs -u? ?
上面那條是nVidia官方提供的命令，不知道為什么在我這里會提示dracut是不存在的命令，也許是版本問題，或者少了什么包，不過無所謂，第二條命令也可以搞定，應該是一樣的功能。（如果我理解錯誤，歡迎小朋友們指教，我會改正）
PS：其實，這一連串的工作，有點沒搞懂，因為有的命令和文件不存在。原理理解了，但是步驟還是有點模糊，不過，我是照上面的操作完成了，后面的也沒出問題，應該應付過去了吧。
八、Installation
鑒于安裝過程中遇到的一些問題和啟示，建議先安裝官方最新版的顯卡驅動，然后再安裝CUDA，這里可能是CUDA內置的驅動不太完整，或者適應性差了一點。GTX顯卡驅動的下載地址如下（Tesla版的驅動，請大家自己去nVidia的官網下載）：
下載地址：
?
PS：其實，這一連串的工作，有點沒搞懂，因為有的命令和文件不存在。原理理解了，但是步驟還是有點模糊，不過，我是照上面的操作完成了，后面的也沒出問題，應該應付過去了吧。
八、Installation
鑒于安裝過程中遇到的一些問題和啟示，建議先安裝官方最新版的顯卡驅動，然后再安裝CUDA，這里可能是CUDA內置的驅動不太完整，或者適應性差了一點。GTX顯卡驅動的下載地址如下（Tesla版的驅動，請大家自己去nVidia的官網下載）：
下載地址：
http://www.geforce.cn/drivers
$ sudo sh?
./
NVIDIA-Linux-x86_64-340.24.run
?
切換到cuda_6.5.11_rc_linux_64.run 所在的目錄，然后執行安裝命令：
$ sudo sh cuda_6.5.11_rc_linux_64.run
再次提醒，安裝前一定要執行 md5sum ，我第一次安裝就是執行了，發現不一樣，然后沒有理它直接安裝，導致安裝的Sumary里顯示Driver成功，Toolkit和Samples失敗，第二次在裝就好了。
至于如果發現md5檢測不一致，怎么辦？別逗了，去nVidia重新下載就行了，地球人都知道，別無限循環就好^_^!
這里會一路問你各種問題，基本上就是Accept-yes-Enter-yes-Enter-yes-Enter， ?其實就是讓你接受協議，然后安裝的默認位置確認等等，recruit就別自定義安裝位置了，默認才是天堂。
安裝完會提示丟失了四個庫：libGLU.so, libx11.so, libxmu.so, libxi.so 這個木有關系，下一步就是解決這個問題的。
?
九、Extra Libraries
安裝完會提示丟失了四個庫：libGLU.so, libx11.so, libxmu.so, libxi.so 這個木有關系，下一步就是解決這個問題的。
?
九、Extra Libraries
安裝一些必要的庫文件，譬如：OpenGL (e.g., Mesa), GLU, GLUT, and X11 (including Xi, Xmu, and GLX).
$ sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
這個可以切換到GUI界面在操作，要不然那些提示信息，都是亂碼，什么都看不懂，不過如果你的系統是E文的，這句話忽略。
這里，保證網絡不要中斷就行了，吐槽一下：該死的銳捷認證，這Ubuntu都出到14.04了，你12版本的客戶端還沒出來，害我之前折騰了1整天網絡，現在被迫淪落到蹭網族，有點想吐的感覺！！！！
十、驅動裝完了，可以回到GUI界面了，也可以繼續留這里玩文本。。。
十、驅動裝完了，可以回到GUI界面了，也可以繼續留這里玩文本。。。
$ sudo start lightdm
?
十一、POST-INSTALLATION ACTIONS
這一步就是驗證一下安裝是否正確，編譯和完成以下CUDA自帶的程序，建議做一下~
?
十一、POST-INSTALLATION ACTIONS
這一步就是驗證一下安裝是否正確，編譯和完成以下CUDA自帶的程序，建議做一下~
1. Environment Setup
$ export PATH=/usr/local/cuda-6.5/bin:$PATH
$ export LD_LIBRARY_PATH=/usr/local/cuda-6.5/lib64:$LD_LIBRARY_PATH
2. (Optional) Install Writable Samples
$ export LD_LIBRARY_PATH=/usr/local/cuda-6.5/lib64:$LD_LIBRARY_PATH
2. (Optional) Install Writable Samples
$ cuda-install-samples-6.5.sh <dir>
安裝到Home下，搞定了之后可以在GUI下調整一下，主要是前面的要求，會有一個Sample的文件夾 NVIDIA_CUDA-6.5_Samples在Home的根目錄下就ok了。因為后面編譯測試各方面什么的方便。其實如果之前安裝CUDA驅動和Toolkit一切正常，這一步基本可以省略，應該會自動建立，但檢查一下無妨。
3. Verify the Installation
3. Verify the Installation
a. 驗證驅動的版本，其實主要是保證驅動程序已經安裝正常了
$ cat /proc/driver/nvidia/version
b. Compiling the Examples
b. Compiling the Examples
$ nvcc -V
不出意外的話應該會提示，nvcc沒有安裝，其實就是，nvidia-cuda-toolkit的編譯器沒有安裝完整，總之，根據提示繼續就好了
$ sudo apt-get install nvidia-cuda-toolkit
我這里還差接近400MB的文件要下載，它是全自動的，所以只要保證網絡暢通，一杯咖啡在手，然后就可以XXX了。可悲的是，我這里天色已晚，隔壁的Wifi也斷了，筆記本的360隨身Wifi連上一會也斷了，只有收東西回宿舍，明天再繼續了。看看表，靠，00：03，今天打卡時間又錯過了。
次日，這里安裝完，就可以編譯了，切換目錄到~/NVIDIA_CUDA-6.5_Samples，記性沒問題的話，應該還記得它是安裝在Home文件夾的，穿越過去就好了，然后執行：
次日，這里安裝完，就可以編譯了，切換目錄到~/NVIDIA_CUDA-6.5_Samples，記性沒問題的話，應該還記得它是安裝在Home文件夾的，穿越過去就好了，然后執行：
$ cd /home/username/NVIDIA_CUDA-6.5_Samples
$ make
?
c. Running the Binaries
$ make
?
c. Running the Binaries
運行編譯好的文件，看看設備的基本信息和帶寬信息：
$ cd /bin/x86_64/linux/release
$ ./deviceQuery
$ ./deviceQuery
$?./bandwidthTest
?PS：如果測試的時候出現說運行版驅動和實際驅動不符（英文原文不記得了，沒記下來），原因可能是因為后面安裝的nvidia-cuda-toolkit更新了配置文件，所以和原始的Cuda-Samples的配置或者是驅動程序有變化，所以檢測無法編譯通過。考慮下面的解決方法：
1. 卸載現有驅動
$ sudo nvidia-installer --uninstall?
2. 下載合適版本的驅動，并安裝：
下載地址：
3. 重裝CUDA Toolkit
$ ?sudo sh cuda_6.5.11_rc_linux_64.run
?好了，到這里所有nVidia CUDA的安裝就結束了，下面看看Caffe如何安裝
一、安裝BLAS，這里可以選擇（ATLAS，MKL或者OpenBLAS），我這里使用MKL，首先下載并安裝英特爾? 數學內核庫 Linux* 版MKL，下載鏈接是： https://software.intel.com/en-us/intel-education-offerings ，可以下載Student版的，先申請，然后會立馬收到一個郵件（里面有安裝序列號），打開照著下載就行了。下載完之后，要把文件解壓到home文件夾(或直接把tar.gz文件拷貝到home文件夾,為了節省空間，安裝完記得把壓縮文件給刪除喔～)，或者其他的ext4的文件系統中。
$ sudo make install
2. 其他依賴項，確保都成功
$ make test
$ sudo apt-get install python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags Cython ipython?
?PS：如果測試的時候出現說運行版驅動和實際驅動不符（英文原文不記得了，沒記下來），原因可能是因為后面安裝的nvidia-cuda-toolkit更新了配置文件，所以和原始的Cuda-Samples的配置或者是驅動程序有變化，所以檢測無法編譯通過。考慮下面的解決方法：
1. 卸載現有驅動
$ sudo nvidia-installer --uninstall?
2. 下載合適版本的驅動，并安裝：
下載地址：
http://www.geforce.cn/drivers
$ sudo sh?
./
NVIDIA-Linux-x86_64-340.24.run
3. 重裝CUDA Toolkit
$ ?sudo sh cuda_6.5.11_rc_linux_64.run
?好了，到這里所有nVidia CUDA的安裝就結束了，下面看看Caffe如何安裝
- 第三部分 Caffe的安裝和測試
一、安裝BLAS，這里可以選擇（ATLAS，MKL或者OpenBLAS），我這里使用MKL，首先下載并安裝英特爾? 數學內核庫 Linux* 版MKL，下載鏈接是： https://software.intel.com/en-us/intel-education-offerings ，可以下載Student版的，先申請，然后會立馬收到一個郵件（里面有安裝序列號），打開照著下載就行了。下載完之后，要把文件解壓到home文件夾(或直接把tar.gz文件拷貝到home文件夾,為了節省空間，安裝完記得把壓縮文件給刪除喔～)，或者其他的ext4的文件系統中。
接下來是安裝過程，先授權，然后安裝：
$ tar zxvf cpp_studio_xe_2013_sp1_update3.tar.gz ? （如果你是直接拷貝壓縮文件過來的）
$ chmod a+x /home/username/cpp_studio_xe_2013_sp1_update3 -R
$ sudo ./install_GUI.sh
$ tar zxvf cpp_studio_xe_2013_sp1_update3.tar.gz ? （如果你是直接拷貝壓縮文件過來的）
$ chmod a+x /home/username/cpp_studio_xe_2013_sp1_update3 -R
$ sudo ./install_GUI.sh
PS: 這里安裝的時候，我遇到一些插曲，先在這里特別提醒大家一下，避免在犯錯，這些都是我安裝的時候，遇到的"little bug"。
1. 一個很2的問題，在啟動linux的時候，手賤點了一下系統自動更新，可能正好更新到某個關鍵組件，授權的時候，始終無效，這個大概解決就是記得更新完，重啟，然后關機，我弄的時候，重啟也沒用。
2. 記得把解壓后的studio_xe軟件包丟到home下，或者干脆直接在home里解壓，注意這里它是保存在home/ username , 這里的 username 是你的用戶名。這一步主要是，讓安裝程序處于linux的文件系統中，為了修改權限做保證。
2. 記得把解壓后的studio_xe軟件包丟到home下，或者干脆直接在home里解壓，注意這里它是保存在home/ username , 這里的 username 是你的用戶名。這一步主要是，讓安裝程序處于linux的文件系統中，為了修改權限做保證。
3. 使用chmod對文件夾及其子文件進行授權，安裝程序是install_GUI.sh，它調用了install.sh，接下來又調用了一連串的文件，這些文件都必須具有可執行的權限，所以，你懂了~照著上面的步驟就好了
4. 安裝的時候，可以安裝到root權限下，或者sudo權限，我是裝在root權限下，避免麻煩，這時就必須確保已經為root設置過密碼了，然后會讓你輸入你申請的時候發給你的序列號。沒設置的話，執行：
$?sudo passwd root
5. Everything is OK！
PS2：我不會告訴你，我第一次安裝的時候，不僅僅裝了Studio XE，還裝了MKL，也裝了OpenBLAS，為了裝OpenBLAS還裝來gFortran編譯器，因為一直編譯Caffe不通過，其實這都是白費功夫，都是沒有認真讀官網的說明導致的。至于這集中庫的性能，應該是MKL>OpenBLAS>ATLAS，官網的介紹也提到。在裝完MKL，需要做的一件事是：SET BLAS := open in Makefile.config，這個我在后面安裝Caffe到時候會寫。
二、MKL與CUDA的環境設置
二、MKL與CUDA的環境設置
文件夾切換到/etc/ld.so.conf.d，并進行如下操作
1. 新建intel_mkl.conf， 并編輯之：
$ cd /etc/ld.so.conf.d
$ cd /etc/ld.so.conf.d
$ sudo vi intel_mkl.conf
/opt/intel/lib/intel64
/opt/intel/mkl/lib/intel64
2. 新建cuda.conf，并編輯之：
$ sudo vi cuda.conf
/opt/intel/mkl/lib/intel64
2. 新建cuda.conf，并編輯之：
$ sudo vi cuda.conf
/usr/local/cuda/lib64
/lib
3. 完成lib文件的鏈接操作，執行：
3. 完成lib文件的鏈接操作，執行：
$ sudo ldconfig -v
三、安裝OpenCV
三、安裝OpenCV
1. 下載地址：
https://github.com/jayrambhia/Install-OpenCV
，如果覺得難度不夠的話，可以選擇官網的安裝包：
http://opencv.org/
，我這里是根據大神編譯過的版本進行安裝的。
2. 切換到文件保存的文件夾，然后安裝依賴項：
2. 切換到文件保存的文件夾，然后安裝依賴項：
sudo ./dependencies.sh
3. 安裝openCV，因為不知道有什么區別，所以就安裝最新版opencv2_4_8吧，有偏好可以根據自己的要求進行設置：?
3. 安裝openCV，因為不知道有什么區別，所以就安裝最新版opencv2_4_8吧，有偏好可以根據自己的要求進行設置：?
sudo ./opencv2_4_8.sh
保證網絡暢通，因為軟件需要聯網這里時間較長，請耐心等待。。。，所以就安四、安裝其他依賴項
?
保證網絡暢通，因為軟件需要聯網這里時間較長，請耐心等待。。。，所以就安四、安裝其他依賴項
?
1. Google Logging Library（glog），下載地址：
https://code.google.com/p/google-glog/
，然后解壓安裝：
$ tar zxvf glog-0.3.3.tar.gz
$ ./ configure
$ make
$ ./ configure
$ sudo make install
2. 其他依賴項，確保都成功
$ sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev
? ???????如果安裝過程中出現錯誤，E: Sub-process /usr/bin/dpkg returned an error code (1)，可能是因為sudo apt-get install出現到意外，不用著急，可以試試這個解決辦法：
$ cd /var/lib/dpkg
$ sudo mv info info.bak
$ sudo mkdir info
$ sudo apt-get --reinstall install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev
五、安裝Caffe并測試
? ???????如果安裝過程中出現錯誤，E: Sub-process /usr/bin/dpkg returned an error code (1)，可能是因為sudo apt-get install出現到意外，不用著急，可以試試這個解決辦法：
$ cd /var/lib/dpkg
$ sudo mv info info.bak
$ sudo mkdir info
$ sudo apt-get --reinstall install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev
五、安裝Caffe并測試
1. 切換到Caffe的下載文件夾，然后執行：
$ cp Makefile.config.example Makefile.config
修改新生成的Makefile.config文件，修改“BLAS := mkl”，這個非常重要。
$ make all
$ make test
$ make runtest?
錯誤Fixed：
1. 如果提示：?make: protoc: 命令未找到，那是因為protoc沒有安裝，安裝一下就好了。
$ sudo?apt-get?install?protobuf-c-compiler protobuf-compiler
2. 提示“src/caffe/util/math_functions.cu(140): error: calling a? host ?function("std::signbit ") from a? global function("caffe::sgnbit_kernel ") is not allowed”
解決辦法：
$ sudo?apt-get?install?protobuf-c-compiler protobuf-compiler
2. 提示“src/caffe/util/math_functions.cu(140): error: calling a? host ?function("std::signbit ") from a? global function("caffe::sgnbit_kernel ") is not allowed”
解決辦法：
修改??./include/caffe/util/math_functions.hpp 224行
刪除(注釋)：using std::signbit;
修改：DEFINE_CAFFE_CPU_UNARY_FUNC(sgnbit, y[i] = signbit(x[i]));
為：DEFINE_CAFFE_CPU_UNARY_FUNC(sgnbit, y[i] = std::signbit(x[i]));
Caffe默認情況會安裝在$CAFFE_ROOT，就是解壓到那個目錄，例如：$ home/username/caffe-master，所以下面的工作，默認已經切換到了該工作目錄。
下面的工作主要是，用于測試Caffe是否工作正常，不做詳細評估。具體設置請參考官網：
http://caffe.berkeleyvision.org/gathered/examples/mnist.html
1. 數據預處理
可以用下載好的數據集，也可以重新下載，我網速快，這里就偷懶直接下載了，具體操作如下：
$ cd data/mnist
$? sudo sh? ./get_mnist.sh
2. 重建LDB文件，就是處理二進制數據集為Caffe識別的數據集，以后所有的數據，包括jpe文件都要處理成這個格式
$? sudo sh? ./get_mnist.sh
2. 重建LDB文件，就是處理二進制數據集為Caffe識別的數據集，以后所有的數據，包括jpe文件都要處理成這個格式
$ cd examples/mnist
$? sudo sh? ./create_mnist.sh
$? sudo sh? ./create_mnist.sh
生成mnist-train-leveldb/ 和 mnist-test-leveldb/文件夾，這里包含了LDB格式的數據集
3. 訓練mnist
3. 訓練mnist
$ cd examples/mnist
$? sudo sh? ./train_lenet.sh
?????? 至此，Caffe安裝的所有步驟完結，下面是一組簡單的數據對比，實驗來源于MNIST數據集，主要是考察一下不同系統下CPU和GPU的性能。可以看到明顯的差別了，雖然MNIST數據集很簡單，相信復雜得數據集，差別會更大，Ubuntu+GPU是唯一的選擇了。
$? sudo sh? ./train_lenet.sh
?????? 至此，Caffe安裝的所有步驟完結，下面是一組簡單的數據對比，實驗來源于MNIST數據集，主要是考察一下不同系統下CPU和GPU的性能。可以看到明顯的差別了，雖然MNIST數據集很簡單，相信復雜得數據集，差別會更大，Ubuntu+GPU是唯一的選擇了。
測試平臺：i7-4770K/16G/GTX 770/CUDA 6.5
Windows8.1 on CPU：620s
Windows8.1 on GPU：190s
Ubuntu 14.04 on CPU：270s?
Ubuntu 14.04 on GPU：160s
?
- 第四部分 Python安裝和調試
$ sudo apt-get install python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags Cython ipython?
?
2. 配置路徑，編輯Makefile.config
PYTHON_INCLUDE := /usr/include/python2.7 \
????????????????????????????????????/usr/lib/python2.7/dist-packages/numpy/core/include
PYTHON_LIB := /usr/local/lib
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
3. 這里非常重要的是，為了確保支持Caffe Notebook里的程序，需要使用到IDE環境，并且支持iPython輸出。 ?
????????????????????????????????????/usr/lib/python2.7/dist-packages/numpy/core/include
PYTHON_LIB := /usr/local/lib
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
3. 這里非常重要的是，為了確保支持Caffe Notebook里的程序，需要使用到IDE環境，并且支持iPython輸出。 ?
?
- 第五部分 Matlab安裝和調試
1.下載
由于該軟件為商業軟件，請大家自行尋找，安裝學習，并確保不使用做商業目的，下載24小時刪除......
?
?選擇Mathworks.Matlab.R2014a.Unix.iso - 右鍵 - 使用磁盤映像掛載器打開”?
由于該軟件為商業軟件，請大家自行尋找，安裝學習，并確保不使用做商業目的，下載24小時刪除......
?
2. 預準備
進入裝載的虛擬光盤，拷貝全部文件至home/Matlab 文件夾?
(PS：我的原則是能GUI就GUI，喜歡CMD的可以參照執行)?
(PS：我的原則是能GUI就GUI，喜歡CMD的可以參照執行)?
復制Crack/install.jar至 home/Matlab/java/jar/ 并覆蓋源文件
?
?
3. 授權安裝文件夾
$ chmod a+x Matlab -R
4. 安裝
$ sudo ./instal
l?
4. 安裝
選項：不使用Internet安裝
序列號： 12345-67890-12345-67890 ?
默認路徑：/usr/local/MATLAB/R2014a?
激活文件：license_405329_R2014a.lic
拷貝?libmwservices.so?至?/usr/local/MATLAB/R2014a/bin/glnxa64?
安裝完畢，程序默認啟動路徑：
$?sudo MATLAB/R2014a/bin/matlab?
?
5.創建快捷方式
5.創建快捷方式
1. 軟件中心搜索matlab?
2. 選擇安裝目錄：/usr/local/MATLAB/R2014a
6.配置Caffe
修改文件：Makefile.config
MATLAB_DIR := /usr/local/MATLAB/R2014a
7.編譯Matlab用到的caffe文件
$ make matcaffe
2. 選擇安裝目錄：/usr/local/MATLAB/R2014a
6.配置Caffe
修改文件：Makefile.config
MATLAB_DIR := /usr/local/MATLAB/R2014a
7.編譯Matlab用到的caffe文件
$ make matcaffe
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
