|
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-essentialsudo apt-get install cmake git3. 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 stopCUDA 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：点击这里下载完成后，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.debsudo apt-get updatesudo 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:$PATHexport 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-devsudo apt-get install libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-devsudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-devsudo 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-compilerPS：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：https://github.com/BVLC/caffe7. 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 -j10make testmake runtestPS：-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.shsh examples/mnist/create_mnist.shsh 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.htmlCaffe的官方网站是http://caffe.berkeleyvision.org/
(以上内容不代表本站观点。) --------------------------------- |
本網站是"非商業"(non-commercial)。
