Ubuntu下安装Caffe
CAFFE+OPENCV+OPENBLAS+ANACONDA+UBUNTU14.04配置
caffe+opencv+openblas+Anaconda+ubuntu14.04配置本安装教程主要包含7个部分，包括：第一部分：安装开发依赖包第二部分：opencv安装和调试第三部分：Anaconda安装和调试第四部分：openblas安装和调试第五部分：Caffe的安装和测试第六步分：在minist的数据包上训练测试第七部分：出现的问题及解决方案1.安装开发依赖包在linux命令行指令中安装开发所需要的一些基本包指令：sudo apt-get install build-essential安装caffe所需要的一些依赖包：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 install-gcc-multilib install-gfortrain-multilib安装Anaconda所需要的依赖包：python-dev python-pip2.opencv安装和调试安装opencv时没有手动安装，采用Github上有人已经写好了完整的安装脚本，选择这个链接https:///jayrambhia/Install-OpenCV，下载后解压，然后进去该目录，选择自己的操作系统，比如我的是Ubuntu，执行sudo./dependencies.shsudo./open2_4_9.sh其中第一步是安装依赖项opencv的所有依赖项，该依赖项就在这个dependencies.sh文件中，第二部是安装opencv，包括下载解压存放opencv等操作，这个过程大概一两个小时，慢慢等。
3.Anaconda安装和调试可以按照官方建议安装anaconda包。
编译分布式并行版caffe（OpenMPI）教程
编译分布式并⾏版caffe（OpenMPI）教程使⽤环境：1 CentOS release 6.6 (Final)2 CUDA8.03 CuDNN6.04 Open MPI 3.1.35 OpenCV 3.1.0View CodeCUDA8.0、CuDNN6.0、OpenCV3.1.0以及其他caffe所需要的依赖已经装好，这⾥仅需要安装OpenMPI3.1.3，步骤如下：OpenMPI-3.1.3安装1. 解压openmpi-3.1.3，进⼊解压后的⽂件夹 — openmpi3.1.3，在终端输⼊如下命令：1 ./configure --prefix=/storage/student5/usr/local/openmpi --with-cuda --enable-mpi-thread-multiple2#--prefix后的路径未openmpi的安装路径；3 sudo make all install4# make all install 加sudo，否则安装过程中可能出问题View Code2. 测试安装是否成功1 cd openmpi-3.1.3/examples2 make3 mpirun -np4 hello_cView CodeCaffe安装1. 下载caffe，将Makefile.config.example另存为Makefile.config，将其修改成以下的样⼦：1## Refer to /installation.html2# Contributions simplifying and improving our build system are welcome!34# cuDNN acceleration switch (uncomment to build with cuDNN).5 USE_CUDNN := 167# CPU-only switch (uncomment to build without GPU support).8# CPU_ONLY := 1910# uncomment to disable IO dependencies and corresponding data layers11 USE_OPENCV := 112 USE_LEVELDB := 113 USE_LMDB := 11415# Uncomment if you're using OpenCV 316 OPENCV_VERSION := 31718# To customize your choice of compiler, uncomment and set the following.19# N.B. the default for Linux is g++ and the default for OSX is clang++20# CUSTOM_CXX := g++2122# CUDA directory contains bin/ and lib/ directories that we need.23 CUDA_DIR := /usr/local/cuda24# On Ubuntu 14.04, if cuda tools are installed via25# "sudo apt-get install nvidia-cuda-toolkit" then use this instead:26# CUDA_DIR := /usr2728# CUDA architecture setting: going with all of them.29# For CUDA < 6.0, comment the *_50 lines for compatibility.30 CUDA_ARCH := -gencode arch=compute_30,code=sm_30 \31 -gencode arch=compute_35,code=sm_35 \32 -gencode arch=compute_50,code=sm_50 \33 -gencode arch=compute_50,code=compute_503435# BLAS choice:36# atlas for ATLAS (default)37# mkl for MKL38# open for OpenBlas39 BLAS := atlas40# Custom (MKL/ATLAS/OpenBLAS) include and lib directories.41# Leave commented to accept the defaults for your choice of BLAS42# (which should work)!43 BLAS_INCLUDE := /usr/include44 BLAS_LIB := /usr/lib64/atlas4546# Homebrew puts openblas in a directory that is not on the standard search path47# BLAS_INCLUDE := $(shell brew --prefix openblas)/include48# BLAS_LIB := $(shell brew --prefix openblas)/lib4950# This is required only if you will compile the matlab interface.51# MATLAB directory should contain the mex binary in /bin.52 MATLAB_DIR := /usr/local/MATLAB/R2014a53# MATLAB_DIR := /Applications/MATLAB_R2012b.app5455# NOTE: this is required only if you will compile the python interface.56# We need to be able to find Python.h and numpy/arrayobject.h.57 PYTHON_INCLUDE := /usr/include/python2.7 \58 /usr/lib/python2.7/dist-packages/numpy/core/include59# Anaconda Python distribution is quite popular. Include path:60# Verify anaconda location, sometimes it's in root.61# ANACONDA_HOME := $(HOME)/anaconda62# PYTHON_INCLUDE := $(ANACONDA_HOME)/include \63# $(ANACONDA_HOME)/include/python2.7 \64# $(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include \6566# We need to be able to find libpythonX.X.so or .dylib.67 PYTHON_LIB := /usr/lib68# PYTHON_LIB := $(ANACONDA_HOME)/lib6970# Homebrew installs numpy in a non standard path (keg only)71# PYTHON_INCLUDE += $(dir $(shell python -c 'import numpy.core; print(numpy.core.__file__)'))/include72# PYTHON_LIB += $(shell brew --prefix numpy)/lib7374# Uncomment to support layers written in Python (will link against Python libs)75 WITH_PYTHON_LAYER := 17677# Whatever else you find you need goes here.78 INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include79 LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib8081# If Homebrew is installed at a non standard location (for example your home directory) and you use it for general dependencies 82# INCLUDE_DIRS += $(shell brew --prefix)/include83# LIBRARY_DIRS += $(shell brew --prefix)/lib8485# Uncomment to use `pkg-config` to specify OpenCV library paths.86# (Usually not necessary -- OpenCV libraries are normally installed in one of the above $LIBRARY_DIRS.)87# USE_PKG_CONFIG := 18889 BUILD_DIR := build90 DISTRIBUTE_DIR := distribute9192# Uncomment for debugging. Does not work on OSX due to https:///BVLC/caffe/issues/17193# DEBUG := 19495# The ID of the GPU that 'make runtest' will use to run unit tests.96 TEST_GPUID := 09798# enable pretty build (comment to see full commands)99 Q ?= @View Code2. 在caffe⽬录下执⾏以下操作：1 mkdir build && cd buildView Code3. 编译caffe 如果要开启matlab接⼝，先修改caffe根⽬录下的CMakeList.txt⽂件line24：1 caffe_option(BUILD_matlab "Build Matlab wrapper" OFF IF UNIX OR APPLE)View Code 修改为：1 caffe_option(BUILD_matlab "Build Matlab wrapper" ON IF UNIX OR APPLE)View Code 否则在caffe/build路径下直接进⾏以下操作：1 cmake -DUSE_MPI=ON -DMPI_CXX_COMPILER=/path/to/your/openmpi/bin/mpicxx ..2# USE_MPI=ON即表⽰开启Open MPI3# -DMPI_CXX_COMPILER后的路径⼀定得是Open MPI的安装路径下的bin中的mpicxx路径，在/usr/bin下也有这个mpicxx，不要错写路径了View Code4. 安装caffe，在caffe根⽬录下执⾏以下操作：1 make all -j82 make install3# 我在安装过程中，make all之后就不需要再make install4 make runtest5# 同参考教程中⼀样，有两个test未通过View Code5. 编译Python接⼝： a. 添加环境变量：1 gedit ~/.bashrcView Code b. 在其中写⼊：1 export PYTHONPATH=$PYTHONPATH:/path/to/your/caffe/pythonView Code c. 使环境变量⽣效：1 source ~/.bashrcView Code d. 在caffe根⽬录下：1 make pycaffe2# 教程中有加sudo，但是我没有加sudo也没有影响View Code e. 测试Python接⼝，在终端输⼊以下命令：1 python2import caffe3# 如果⽆错，则python接⼝编译成功View Code出现问题：1. 安装caffe过程中，编译caffe时，输⼊以下命令出错：1 cmake -DUSE_MPI=ON -DMPI_CXX_COMPILER=/path/to/your/openmpi/bin/mpicxx ..View Code 问题1：1 CMake Warning at /usr/local/opencv-3.1.0/cmake/OpenCVConfig.cmake:166 (message):2 Found OpenCV Windows Pack but it has no binaries compatible with your3 configuration.45 You should manually point CMake variable OpenCV_DIR to your build of OpenCV6 library.7 Call Stack (most recent call first):8 cmake/Dependencies.cmake:62 (find_package)9 CMakeLists.txt:31 (include)101112 CMake Error at cmake/Dependencies.cmake:62 (find_package):13 Found package configuration file:1415 /usr/local/opencv-3.1.0/cmake/OpenCVConfig.cmake1617 but it set OpenCV_FOUND to FALSE so package "OpenCV"is considered to be18 NOT FOUND.19 Call Stack (most recent call first):20 CMakeLists.txt:31 (include)212223 -- Configuring incomplete, errors occurred!24 See also "/storage/student5/usr/local/caffe/build/CMakeFiles/CMakeOutput.log".25 See also "/storage/student5/usr/local/caffe/build/CMakeFiles/CMakeError.log".View Code 解决⽅法： 尝试⼀：在CMakeList.txt⽂件中加⼊set(OpenCV_DIR /path/to/your/OpenCV/build)，该法⽆效； 尝试⼆：退回到caffe根⽬录，然后make clean，暂时加⼊如下环境变量后重新从mkdir build && cd build开始，该法有效。
Ubuntu安装和卸载CUDA和CUDNN的实现
Ubuntu安装和卸载CUDA和CUDNN的实现⽬录前⾔安装显卡驱动卸载CUDA安装CUDA测试安装是否成功参考资料前⾔最近在学习PaddlePaddle在各个显卡驱动版本的安装和使⽤，所以同时也学习如何在Ubuntu安装和卸载CUDA和CUDNN，在学习过程中，顺便记录学习过程。
在供⼤家学习的同时，也在加强⾃⼰的记忆。
本⽂章以卸载CUDA 8.0 和 CUDNN 7.05 为例，以安装CUDA 10.0 和 CUDNN 7.4.2 为例。
安装显卡驱动禁⽤nouveau驱动sudo vim /etc/modprobe.d/blacklist.conf在⽂本最后添加：blacklist nouveauoptions nouveau modeset=0然后执⾏：sudo update-initramfs -u重启后，执⾏以下命令，如果没有屏幕输出，说明禁⽤nouveau成功：lsmod | grep nouveau下载驱动下载完成之后会得到⼀个安装包，不同版本⽂件名可能不⼀样：NVIDIA-Linux-x86_64-410.93.run卸载旧驱动以下操作都需要在命令界⾯操作，执⾏以下快捷键进⼊命令界⾯，并登录：Ctrl-Alt+F1执⾏以下命令禁⽤X-Window服务，否则⽆法安装显卡驱动：sudo service lightdm stop执⾏以下三条命令卸载原有显卡驱动：sudo apt-get remove --purge nvidia*sudo chmod +x NVIDIA-Linux-x86_64-410.93.runsudo ./NVIDIA-Linux-x86_64-410.93.run --uninstall安装新驱动直接执⾏驱动⽂件即可安装新驱动，⼀直默认即可：sudo ./NVIDIA-Linux-x86_64-410.93.run执⾏以下命令启动X-Window服务sudo service lightdm start最后执⾏重启命令，重启系统即可：reboot注意：如果系统重启之后出现重复登录的情况，多数情况下都是安装了错误版本的显卡驱动。
ubuntu19.04安装教程（图文步骤）
ubuntu19.04安装教程（图⽂步骤）1. 准备⼯作1.1 下载与安装VMware15安装完成后，选择【帮助】，输⼊许可证密钥。
产品密钥：CG392-4PX5J-H816Z-HYZNG-PQRG2。
1.2 下载ubuntu19.04镜像2. 安装虚拟机1.创建新的虚拟机2. ⾃定义配置3. 默认，然后【下⼀步】4. 选择【稍后安装操作】，然后【下⼀步】5. 选择【Linux】【Ubuntu 64位】，默认【下⼀步】6. 默认，然后【下⼀步】7. 默认，然后【下⼀步】8. 选择【使⽤⽹络地址转换】，然后【下⼀步】9. 默认，然后【下⼀步】10. 默认，然后【下⼀步】11. 选择【将虚拟磁盘存储为单个⽂件】，然后【下⼀步】12. 默认，然后【下⼀步】13. 默认，然后【完成】14. 选择【编辑虚拟机设置】->【CD/DVD(SATA)】->【使⽤ISO映像(M)】，然后选择下载好的ubuntu19.04镜像⽂件。
3. 安装ubuntu19.043.1 开启此虚拟机3.2 安装ubuntu①选择【中⽂(简体)】，然后【安装Ubuntu】②键盘布局默认就⾏，选择【继续】③默认，选择【继续】④默认，选择【现在安装】⑤选择【继续】⑥默认，然后【继续】⑦设置⽤户名密码，然后【继续】接下来就是等待安装成功。
如果安装过程中提⽰有下载某些东西但是⽐较慢，影响了安装进度，可以选择【Skip】跳过这⼀步。
⑧选择【现在重启】，等待重新启动⑨系统重新启动后，我们再进⾏⼀些简单的设置基本上也就完成了安装⑩解决系统在VMware全屏下不完全显⽰的问题安装VMware Tools提⽰安装VMware Tools的执⾏步骤，进⼊⽂件系统，选择VMware Tools，将压缩包VMware Tools-xxx.tar.gz提取到主⽬录选中压缩⽂件右击⿏标，选择【提取到此处】进⼊该⽂件（⽬录）中，右击空⽩区域，打开终端在终端中，执⾏sudo ./vmware-install.pl安装。
ubuntu安装caffe及python和opencv_20170817
Ubuntu安装caffe及python和opencv Ubuntu版本：16.04.03LTS，可以比较顺利地全部安装python所需的各种依赖，而不需要安装anaconda包。
否则会引起新的软件之间的冲突。
Opencv：2.4.9Python：2.7Cuda：8.0Cudnn：5.11.解决无法安装ubuntu操作系统的问题最近楼主购入一台华硕游戏本，发现无法安装ubantu。
在安装中发现除了debian外所有使用自动安装方式的linux发行版均不能安装，于是研究就开始了。
opensuse卡在写入引导，fedroa和centos卡在启动，ubuntu卡在启动安装，怀疑是u盘制作工具有问题，于是尝试了几种工具，就连dd命令也试过了，结果都无法解决。
解决方法：重新开机，光标选中“Install Ubuntu”，按“e”，进入grub界面，将倒数第二行中的“quiet splash ---”改为“nomodeset”。
F10保存，就可以进入安装界面，进行安装。
安装ubuntu系统之后，还需要将Ubuntu集成的开源驱动加入黑名单，即增加/etc/modprobe.d/blacklist-nouveau.conf文件：sudogedit /etc/modprobe.d/blacklist-nouveau.conf在该文件中增加如下两行：blacklist nouveauoptions nouveau modeset=0激活上述文件发挥功能，执行sudo update-initramfs –u执行$lspci | grep nouveau，查看是否有内容，没有说明禁用成功，如果有内容，就执行：$sudo reboot2.安装caffe及python先下载caffe# sudo git clone https:///BVLC/caffe.git然后安装一堆第三方库# sudo apt-get install libatlas-base-dev# sudo apt-get install libprotobuf-dev# sudo apt-get install libleveldb-dev# sudo apt-get install libsnappy-dev# sudo apt-get install libopencv-dev# sudo apt-get install libboost-all-dev# sudo apt-get install libhdf5-serial-dev# sudo apt-get install libgflags-dev# sudo apt-get install libgoogle-glog-dev# sudo apt-get install liblmdb-dev# sudo apt-get install protobuf-compiler# sudo apt-get install python-dev接着，安装opencv# cd caffe# sudo git clone https:///jayrambhia/Install-OpenCV# cd Install-OpenCV/Ubuntu# sudosh dependencies.sh# cd 2.4# sudosh opencv2_4_10.shopencv的另一种安装方式直接克隆下来sudogit clone https:///jayrambhia/Install-OpenCV进入cd Install-OpenCV/Ubuntu/2.4给所有shell脚本加上可执行权限chmod +x *.sh安装其他版本出错了,建议装这个:sudo ./opencv2_4_9.sh或：sudosh opencv2_4_10.sh最终出现OpenCV ready to be used(表示成功)接下来，编译caffe# cd ~/caffe# sudocpMakefile.config.exampleMakefile.config# make all至此，caffe安装完成。
如何在Ubuntu上安装图像处理软件？
如何在Ubuntu上安装图像处理软件？在 Ubuntu 操作系统上，安装图像处理软件可以为我们的图像编辑和处理工作提供很大的便利。
接下来，让我们一步步了解如何在Ubuntu 上安装常用的图像处理软件。
首先，我们需要确保系统是最新的。
打开终端，输入以下命令来更新系统：｀｀｀sudo apt updatesudo apt upgrade｀｀｀更新完成后，我们可以开始安装图像处理软件。
GIMP 是一款功能强大且免费的开源图像编辑软件，类似于 Adobe Photoshop。
安装 GIMP 非常简单，在终端中输入以下命令：｀｀｀sudo apt install gimp｀｀｀等待安装完成，您就可以在应用菜单中找到 GIMP 并打开使用。
如果您需要更专业的图像处理工具，比如 Darktable，它主要用于RAW 图像的处理。
安装命令如下：｀｀｀sudo apt install darktable｀｀｀对于简单的图像查看和基本编辑需求，ImageMagick 是一个不错的选择。
安装方式为：｀｀｀sudo apt install imagemagick｀｀｀Shotwell 则是一款用于照片管理和简单编辑的软件，安装命令：｀｀｀sudo apt install shotwell｀｀｀除了通过命令行安装，我们还可以使用 Ubuntu 软件中心来安装图像处理软件。
打开 Ubuntu 软件中心，在搜索栏中输入您想要安装的图像处理软件名称，然后点击安装按钮即可。
在安装过程中，可能会遇到一些依赖问题。
如果出现这种情况，系统会自动尝试解决依赖关系或者提示您需要安装哪些额外的包。
按照系统的提示进行操作通常可以顺利完成安装。
另外，如果您想要安装商业软件，比如 Adobe Photoshop，可能会稍微复杂一些。
由于 Adobe 没有为 Linux 系统提供官方的安装包，我们可以通过 Wine 来运行 Windows 版本的 Photoshop。
Ubuntu16.04环境上安装常用软件的方法
Ubuntu16.04环境上安装常⽤软件的⽅法在Ubuntu16.04环境中安装常⽤软件的⽅法1.在ubuntu16.04环境中修改IP，MAC和DNS：/*卡设备，进⾏修改sudo gedit /etc/init.d/rc.localsudo ens33 dowmsudo ens33 hw ether xx:xx:xx:xx:xx:xx(mac地址)sudo ens33 up-----但是好像重启后就有字段修改了⽹卡地址*/----忽略这个这个吧通过下⾯设置，可完成ip，mac，dns的修改sudo gedit /etc/network/interfaces修改如下：auto loiface lo inet loopbackauto ens33iface ens33 inet staticpre-up ifconfig ens33 hw ether xx:xx:xx:xx:xx:xx（mac地址）address x.x.x.x(ip地址)netmask 255.255.0.0gateway x.x.x.x保存后，需要PC再查看ifconfig 就发现ip和mac是更改了的-----也可以单独设置DNS、MAC地址sudo gedit /etc/resolv.confnameserver xx.xx.xx.xx//设置的dns2.使⽤Xftp往linux环境中上传⽂件，则buntu上必须先安装有ssh，安装和设置SSH服务步骤如下：最好是切换到root⽤户下sudo su安装ssh-serversudo apt-get install openssh-server●安装ssh-clientsudo apt-get install openssh-client●确认sshserver是否安装ps –e|grep ssh/etc/init.d/ssh start●扩展配置SSH默认服务端⼝为22，⽤户可以⾃已定义成其他端⼝，如222，需要修改的配置⽂件为：gedit /etc/ssh/sshd_config把⾥⾯的Port参数修改成222即可然后重启SSH服务：sudo/etc/init.d/ssh restart3.在本机安装Xshell，连接Ubuntu中的linux●确保Ubuntu可以联⽹●ssh服务启动了●打开xshell，新建连接●在【⽤户⾝份验证】下，输⼊⾃⼰linux操作系统下的普通⽤户名和密码，之后【确认】-【连接】4.连接xftp设置设置如下报错提⽰“找不到匹配的outgoing encryption算法”●原因，是ssh登录本地终端缓存了相关的安全确认信息，远端的服务升级后，其对应的加密算法均作了升级、修改，⽽本地的缓存安全信息并⽆更新，导致⽆法正常登录，提⽰：“找不到匹配的outgoing encryption算法”解决措施1：打开某个会话的属性（在某个会话上右键-属性）选中aes192-ctr aes128-ctr aes256-ctr●正常连通5.安装软件Emacs24安装步骤如下：1.确保⼀个⼲净的安装，请按照下⾯的步骤：（若安装了⽼版本的emacs，删除）sudo apt-get updatesudo apt-get installsudo apt-get purge emacs emacs-snapshot-common emacs-snapshot-bin-common emacs-snapshot emacs-snapshot-el emacs-snapshot-gtk emacs23 emacs23-bin-common emacs23-common emacs23-el emacs23-nox emacs23-lucid auctex apel emacs24 emacs24-bin-common emacs24-common emacs24-common-non-dfsg emacs24-el2.添加PPAsudo add-apt-repository ppa:cassou/emacssudo apt-get update3.安装sudo apt-get install emacs-snapshot-el emacs-snapshot-gtk emacs-snapshotsudo apt-get install emacs24 emacs24-el emacs24-common-non-dfsg6.安装Vimsudo apt-get install vim安装完成后，在命令⾏中敲⼊vi，tab键，可以查看显⽰有vim命令修改vim配置，输⼊命令：sudo vim /etc/vim/vimrcInstall Vim on Ubuntu16.04sudo add-apt-repository ppa:jonathonf/vimsudo apt updatesudo apt install vimremove Vim8.0sudo apt remove vimsudo add-apt-respository –remove ppa:jonathonf/vim7.安装wps2016●⾸先在wps上下载linux的deb安装包；●安装配置环境sudo apt-get updatesudo apt-get install libc6-i386sudo apt-get install ia32-libs(在64环境中安装不上这个，所以死活安装的wps有问题，不能使⽤)最后发现不能在ubuntu-64环境中安装beta的安装包，重新下载Alpha包●开始安装sudo dpkg –i wps-office*.deb(安装包路径和名称)●若有依赖故障修复依赖sudo apt-get install –f卸载wps●若是在Ubuntu Software Center安装，直接在center中卸载；●⾃⼰下载的deb安装，使⽤sudo apt-get autoremove software-name;●⼀次性卸载⼲净就使⽤sudo apt-get autoremove--purge software-name(所欲配置都卸载⼲净)8.安装jEdit软件。
Ubuntu桌面操作系统综教程(0.83版,全新的Ubuntu Kylin 14.04 LTS安装图解)
Ubuntu桌面操作系统综教程（0.83版，全新的Ubuntu Kylin14.04LTS安装图解）指引：1、Linux是什么、ubuntu简介、Unity桌面、Ubuntu Kylin、Ubuntu14.04的新特色、U盘启动盘制作工具、安装前的预备知识、安装过程图解2、安装之后的简单配置，针对SSD进行优化，Ubuntu下安装软件方法3、各类软件推荐，Ubuntu apt-get包处理工具的使用方法4、一些常见问题，更好中文支持、更改用户名和计算机名、忘记密码的解决办法、Linux目录解释、Linux新手需要掌握的20条基础命令、grub rescue修复方法等等5、站点、资料推荐，Linux服务器安全小贴士，如何找到一款适合自己的Linux 发行版、其他流行的Linux发行版特点简介、关于X11、Wayland、MirLinux是什么？Linux是一种自由和开放源代码的类UNIX操作系统。
严格来讲，术语Linux只表示操作系统内核本身，该操作系统内核由芬兰人Linus Torvalds在1991年10月5日首次发布。
然而人们常用Linux来指基于Linux内核的完整操作系统。
Linux的标志和吉祥物是一只名字叫做Tux的企鹅。
Linux是一个领先的操作系统，最初仅运行在英特尔X86架构的个人电脑之上，目前已经广泛支持各种计算机硬件平台，上至服务器和其他大型平台，如大型主机和超级计算机，下至各种嵌入式设备，如手机，平板电脑，路由器，电视和电子游戏机等。
世界上500个最快的超级计算机90％以上运行Linux发行版或变种。
在移动设备上广泛使用的Android操作系统就是创建在Linux内核之上。
由于Linux是自由软件，任何组织或个人，都可以创建一个符合自己需求的Linux 发行版。
发行版多为许多不同的目的而制作，包括对不同计算机硬件结构的支持，对一个具体区域或语言的本地化，实时应用，和嵌入式系统。
深度学习环境配置指南！（Windows、Mac、Ubuntu全讲解）
深度学习环境配置指南！（Windows、Mac、Ubuntu全讲解）第⼀时间获取价值内容⼊门深度学习，很多⼈经历了从⼊门到放弃的⼼酸历程，且千军万马倒在了⼊门第⼀道关卡：环境配置问题。
俗话说，环境配不对，学习两⾏泪。
如果你正在⾯临配置环境的痛苦，不管你是Windows⽤户、Ubuntu⽤户还是苹果死忠粉，这篇⽂章都是为你量⾝定制的。
接下来就依次讲下Windows、Mac和Ubuntu的深度学习环境配置问题。
⼀、Windows系统深度学习环境配置系统：Win10 64位操作系统安装组合：Anaconda+PyTorch(GPU版)+GTX1060开源贡献：伍天⾈，内蒙古农业⼤学1.1 打开Anaconda Prompt1、conda create -n pytorch python=3.7.0：创建名为pytorch的虚拟环境，并为该环境安装python=3.7。
2、activate pytorch：激活名为pytorch的环境1.2 确定硬件⽀持的CUDA版本NVIDIA控制⾯板-帮助-系统信息-组件2020年5⽉19⽇16:46:31，我更新了显卡驱动，看到我的cuda⽀持11以内的1.3 确定pytorch版本，torchvision版本因为官⽅源太慢了，这⾥使⽤清华源下载1.4 镜像中下载对应的安装包清华镜像：https:///anaconda/cloud/pytorch/win-64/pytorch：torchvision：1.5 本地安装接着第⼀步，在pytorch环境下进⾏安装，依次输⼊如下指令。
然后回到虚拟环境所在⽬录，⽤conda install anaconda安装环境所需的基础包1.6 测试代码1：from future import print_functionimport torchx = torch.rand(5, 3)print(x)输出类似于以下的张量：代码2：import torchtorch.cuda.is_available()输出：True如果以上两段代码输出⽆异常，表明环境搭建成功。
Ubuntu 14.04 + caffe安装配置详细指南
Ubuntu14.04+ caffe安装配置详细指南Edit: Kevin (Q&A laichunren@)Reference: /shiorioxy/article/details/52652831特别说明网上关于caffe的安装教程非常多，但是对于每一步是否操作成功，出现了什么样的错误又该如何处理却没有给出说明。
因为大家的操作系统的环境千差万别，按照博客中的教程一步步的安装，最后很可能失败，有的教程甚至省略了一些细节部分，让小白更不知道如何判断每一步是否操作成功，如何处理出现的错误。
作者花费了很长时间才成功地将caffe装完，期间遇到好多错误，多次重装操作系统。
现在将经验写下来，一方面为了和大家分享讨论，另一方面是为了记录一下。
1.Caffe 官网地址：/2.本文使用2016年9月27日下载的caffe-master版本，运行平台为：Ubuntu 14.04，CUDA8.0，cuDNN v5.1，Intel Parallel Studio XE Cluster 2015，OpenCV 3.1.0, Matlab 2014b. pycharm community，anaconda( python, numpy, scipy, matplotlib, et.al.)版本说明：1.Ubuntu 版本问题Ubuntu16.04是目前最新的系统，但装完cuda8.0显卡驱动，重启系统后一直在登录界面循环而无法进入，原因是ubuntu16.04与cuda8.0不兼容。
Ubuntu15.04在cuda 官网上不再提供相关驱动文件（只有ubuntu16.04和ubuntu14.04的），因此还是选择ubuntu14.04这个版本的系统。
2.GCC 和G++ 编译器版本问题Matlab 2014b--gcc/g++ 4.7.x, Matlab 2016a--gcc/g++ 4.9.xUbuntu 14.04--gcc/g++ 4.8.x, Ubuntu 16.04--gcc/g++ 5.4.xMatlab支持的编译器版本需要和Ubuntu版本一致，否则编译matcaffe时会报错，但ubuntu14.04默认装的编译器版本比Matlab2014的高，因此要按照降级（或强制安装）的方法才可以正常使用，怀疑和显卡驱动有关。
Ubuntu20.04部署NCCL和InfiniBand网卡驱动
Ubuntu20.04部署NCCL和InfiniBand网卡驱动1.环境情况带有NVLink和InfiniBand网卡的服务器操作系统: Ubuntu 20.04.6 Server 64位版本系统盘：1TB SSD *2 RAID1最小化安装操作系统，细节就不讲述了，可以看我另一篇文章如何安装。
2.安装NVIDIA驱动、CUDA等本文为方便环境安装，全部采用root账号。
先替换一下APT源到国内，以下是华为源替换方式，可去华为官网查看详细:禁用nouveau：vi /etc/modprobe.d/blacklist.conf #追加如下两个参数到该文件blacklist nouveauoptions nouveau modeset=0update-initramfs -u #重新生成initramfsreboot #重启一次操作系统lsmod | grep nouveau #重启完成后检查一下nouveau是否禁用成功，否则重新检查禁用情况安装NVIDIA驱动：apt install nvidia-driver-525 #安装NVIDIA驱动，版本号525，安装完成后执行nvidia-smi验证是否正常安装NVIDIA CUDA-toolkit：可以到NVIDIA官网参考安装方式，本文采用runfile(local)方式安装，如下图所示：（放不了链接，自行百度）chmod +x cuda_12.0.0_525.60.13_linux.run #授予安装包执行权限sh cuda_12.0.0_525.60.13_linux.run #运行安装包vi ~./bashrc #追加下面参数到该文件export LD_LIBRARY_PATH=/usr/local/cuda/libexport PATH=$PATH:/usr/local/cuda/binnvcc --verison #验证CUDA是否安装正常输入appect回车，去掉驱动安装，上面已经安装好驱动：安装nccl：可以到NVIDIA官网参考安装方式，如下图所示：（放不了链接，咨询百度一下，需要注册）apt install libnccl2=2.18.5-1+cuda12.0 libnccl-dev=2.18.5-1+cuda12.0 #安装对应cuda12.0的nccl，上面我们安装的CUDA12.0apt install nvidia-fabricmanager-525 #如果是多卡机，并且有NVLink，需要安装nvidia-fabricmanager，和驱动保持版本一致安装nv-peer-memory：#克隆nv-peer-memory代码cd nv_peer_memory #进入代码目录./build_module.sh #运行脚本，自动构建cd /tmp #进入tmp目录tar xzvf nvidia-peer-memory_1.3.orig.tar.gz #解压刚刚自动生成的压缩包cd nvidia-peer-memory-1.3 #进入解压的目录dpkg-buildpackage -us -uc #制作deb包dpkg -i ../nvidia-peer-memory-dkms_1.2-0_all.deb #安装构建好的deb包lsmod | grep peer #检查nv-peer-memory安装是否正常安装Mellanox网卡OFED驱动：本文以“MLNX_OFED_LINUX-5.4-3.7.5.0-ubuntu20.04-x86_64.tgz”为例，可以到NVIDIA官网下载，如下图：tar zxvf MLNX_OFED_LINUX-5.4-3.7.5.0-ubuntu20.04-x86_64.tgz #解压压缩包cd MLNX_OFED_LINUX-5.4-3.7.5.0-ubuntu20.04-x86_64 #进入解压好的目录apt install python3 gcc build-essential dh-python dh-autoreconf python3-distutils debhelper make quilt pkg-config bzip2 -y #安装相关依赖软件包./mlnxofedinstall --add-kernel-support #安装OFED，注意这里可能会引起网络短暂断开，建议使用screen丢进后台安装，避免断网后中断安装安装nccl-test：cd /home #进入home目录#克隆nccl-test代码cd nccl-tests #进入代码目录make MPI=1 MPI_HOME=/usr/mpi/gcc/openmpi-4.1.2a1 -j 16 #编译nccl-test，注意MPI=1是多机测试才需要的，根据自身情况添加，-j 16根据自身CPU核数修改线程数cd /home/nccl-tests/build #进入改目录./all_reduce_perf -b 8 -e 128m -f 2 -g 1 #验证nccl，如下图就表示安装成功了。
基于ubuntu14安装caffe及python接口过程记录_20170116
基于ubuntu14安装caffe及python接口过程记录2017-1-161.安装ubuntu14操作系统现在我的安装的深度学习的软件大都在台式机上进行的，今天要装的是caffe框架。
我的操作系统是ubuntu14.04。
2.安装caffe2.1先是安装caffe依赖项：sudo apt-get install gitsudo apt-get install libprotobuf-dev liblevelb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compilersudo apt-get install --no-install-recommends libboost-all-devsudo apt-get install libatlas-base-dev（这里的选择在后面caffe的配置文件中会需要配置。
如果换过，也要记得后面的配置需要修改。
）sudo apt-get install python-devsudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev安装开发所需要的一些基本的包(不一定需要)，sudo apt-get install build-essential2.2下载caffe并修改Makefile.config.example文件git clone https:///bvlc/caffe.gitcd caffe/mv Makefile.config.example Makefile.config去掉CPU_ONL Y:=1的注释，即让caffe不采用GPU运行。
将# CPU_ONLY = 1前面的#去掉,因为这里没有安装GPU，需要使用CPU运行。
BLAS ：= atlas, 这是默认设置，如果不是安装的这个，则需要修改。
Caffe入门
2.
开发工具
① ② ③ Visual Studio 2013 Anaconda2（Python） Matlab 2014b
3.
安装过程 ① 【caffe-Windows】caffe+VS2013+Windows无GPU快速配置教程 ② /zb1165048017/article/details/51355143
Caffe学习路线图
1. 安装Caffe环境，编译Caffe 2. 运行和测试经典实例，如：
① ② MNIST：手写数字识别 CiFar10：10类图片识别
3. 可视化
① 模型、数据和权重、特征图
4. 应用到自己的案例
① 设计、训练自己的模型
5. 改进和设计Caffe
安装Caffe环境
1. 操作系统
深度学习框架Caffe入门
做一个测试
• 手写数籍
– 《深度学习 21天实战Caffe》 – 《深度学习 Caffe经典模型详解与实战》
• 2、电子书籍
– 《Caffe官方教程中译本》 – 《caffe学习笔记1-7-完整版-薛开宇》 – 《神经网络与深度学习》
推荐几个网址
演示
• 安装好的环境 • 数据
– 从数据集及标签文件到数据库
• 模型
– LeNet、CiFar10
• 训练和测试
– Caffe train/Caffe test
• 可视化
GPU支持
• 安装过程
– 【caffe-Windows】caffe+VS2013+Windows+GPU 配置+cifar使用 – /zb1165048017/article/details /51549105
ubuntu操作系统中查看和添加环境变量linux中环境变量及环境变量配置文件详解
ubuntu操作系统中查看和添加环境变量linux中环境变量及环境变量配置⽂件详解ubuntu操作系统中查看和添加环境变量前⾔在Linux操作系统中，程序运⾏离不开环境变量的设置。
添加环境变量通常使⽤ export 指令，使⽤ export 指令时要注意不要覆盖原有指令。
使⽤ export 指令之前可以先查看下环境变量中已经存在的条⽬。
查看环境变量echo ${PATH}结果如下：查看Python环境变量echo ${PYTHONPATH}结果如下：添加程序路径⾄环境变量例如：我们配置了caffe框架，准备使⽤caffe的Python接⼝，想要不受当前路径的约束，随意使⽤Python接⼝，就得把caffe的Python⽬录添加到PYTHONPATH这条变量下，⼜知Linux操作系统进⼊桌⾯后，打开shell之后会⾃动加载～/.bashrc ⽂件，因此我们要把添加环境变量的操作放到～/.bashrc ⽂件中即可。
⽅法向⽂件中添加内容有两种⽅法，第⼀种：# 使⽤gedit编辑器打开~/.bashrc⽂件sudo gedit ~/.bashrc# 在⽂件末尾添加命令export PYTHONPATH=$PYTHONPATH:/home/jhm/caffe/python# 保存退出source ~/.bashrc第⼆种：# 追加写⼊echo"export CAFFE_ROOT=/home/jhm/caffe" >> ~/.bashrcecho"export PYTHONPATH=${CAFFE_ROOT}/python:$PYTHONPATH" >> ~/.bashrc# source⼀下，⽴即⽣效source ~/.bashrc之后我们查看Python路径，看到已经有了/home/jhm/caffe/python条⽬：echo ${PYTHONPATH}#/home/jhm/caffe/python:/home/jhm/mxnet/python:linux中环境变量及环境变量配置⽂件详解前⾔环境变量：定义每个⽤户的操作环境1. Source命令：修改配置⽂件后，必须注销重新登录才能⽣效，使⽤source命令后，⽴即⽣效环境变量配置⽂件；命令如下：source 配置⽂件或者 . 配置⽂件2. 环境变量配置⽂件简介：环境变量配置⽂件中主要是定义对系统操作环境⽣效的系统默认环境变量，如PATH等；PATH、HISTSIZE、PS1、HOSTNAME等环境变量写⼊对应的环境变量配置⽂件；3. 常见的环境变量：1. /etc/profile2. /etc/profile.d/*.sh3. ~/.bash_profile4. ~/.bashrc5. /etc/bashrc注：放在家⽬录（3,4）下的环境变量配置⽂件，只会对当前⽤户起作⽤；在/etc下的环境变量所有的⽤户都起作⽤；环境变量配置⽂件的功能系统正常启动过程的环境变量的启动先向下⾛，在向右⾛；在其他⽤户下切换⽤户的过程先向下，然后再向右；⼀． /etc/profile的作⽤1. USER变量：2. LOGNAME变量：3. MAIL变量：4. PATH变量：5. HOSTNAME变量：6. HISTSIZE变量：7. umask：8. 调⽤/etc/profile.d/*.sh⽂件⼆． umask #查看系统默认权限1. ⽂件最⾼权限为6662. ⽬录最好权限为7773. 权限不能使⽤数字进⾏换算，⽽必须使⽤字母；使⽤的是最⾼权限丢点默认的权限；Eg：当前默认权限为022，那么创建的⽂件权限就是最⾼权限减去默认权限：wr-wr-wr- 减去 ----w--w- 那么创建的⽂件权限默认为wr--r--r-4. Umask定义的权限，是系统默认权限中准备丢弃的权限如022，也就是----w—w-三．~/.bash_profile的作⽤1.调⽤了~/.bashrc ⽂件2.在PATH变量后⾯加⼊了”:$HOME/bin”这个⽬录四．/etc/bashrc的作⽤1.PS12.umask3.PATH变量4.调⽤/etc/profile.d/*.sh⽂件。
边缘计算平台的搭建与部署方法详解
边缘计算平台的搭建与部署方法详解如下：1. 硬件准备：根据实际需求确定服务器型号和配置，一般建议使用云服务器，因为云服务器可以根据实际需求弹性扩展，非常适合边缘计算场景。
同时需要准备好相应的网络设备，如路由器、交换机等。
2. 网络规划：根据实际场景，对网络进行规划，确保网络安全性、可靠性和易用性。
比如可以通过部署负载均衡设备、网关设备等来实现网络资源的分配和管理。
3. 搭建操作系统：常见的操作系统有Ubuntu、CentOS等，可以通过云服务器服务商提供的镜像直接创建系统，也可以使用U盘等方式进行安装。
4. 安装边缘计算框架：根据实际需求选择合适的边缘计算框架，如TensorFlow Edge、PaddlePaddle Edge、Caffe2等。
这些框架提供了丰富的工具和库，可以帮助开发者快速搭建边缘计算模型。
5. 部署应用程序：将应用程序打包成Docker镜像或直接部署在服务器上，同时需要配置好应用程序的各项参数。
6. 配置安全：确保边缘计算平台的安全性，包括网络设备的安全配置、服务器安全配置、数据加密等。
7. 测试与调试：部署完成后，需要对边缘计算平台进行测试和调试，确保其正常运行。
在部署过程中，还需要注意以下几点：* 考虑资源利用率：边缘计算平台需要利用大量的边缘设备，这些设备通常资源有限，因此需要考虑如何有效利用这些资源。
* 优化数据传输：边缘计算的一个重要特性是数据本地化，这要求数据传输速度要快，因此需要考虑如何优化数据传输。
* 考虑隐私保护：在边缘计算环境中，数据通常在设备本地处理，这可能会涉及到隐私保护问题，需要采取适当的措施来保护用户数据。
总的来说，搭建和部署边缘计算平台需要综合考虑硬件、网络、软件、安全、测试等多个方面。
同时，选择合适的框架和工具也非常重要。
在实际操作中，建议参考相关文档和教程，或者寻求专业人士的帮助。
Ubuntu离线安装软件的方法
卓越资源 > 电脑教程 > 操作系统 > Linux > Debian/UbuntuUbuntu离线安装软件的方法2007-11-05 21:30 来源: 作者：archTit 网友评论 0 条浏览次数 67 我的电脑现在没有装网线，由于Linux软件包的依赖关系，下载安装软件很不方便。
经过十来天的摸索，尝试很多方法，终于得出一种有效的离线下载安装软件包的方法。
首先准备一个500MB以上的U盘，我用的U盘是1GB的。
我用的Ubuntu7.04第一张光盘就是在网吧里下载，然后拿回家里刻碟安装。
一、升级apt源：找个网速快的网吧，登录一个有安装包的ftp站点，如:ftp:// 或者ftp:// ，然后下载以下安装包信息文件，目录与文件的保存位置与Ftp网站的一样，其中bz2的包可以不用下载。
和的文件信息包总共约70多MB，不过网吧的下载速度快，几分钟搞定，1.5元/小时，给一元给老板就够了。
我用的是FlashFtp下载这些包的，网吧里没有安装，我去http:// 下载的，它的FlashFTP还有注册码，顺便把flashget下载到手，由于是教会同工做的，不到万不得已不要去那里下载，增加他们的流量，增加建站费用。
然后回家，在普通用户的目录下建立一个和两个文件夹，把那些东东分对拷进去。
其实每个FTP站点的东东都差不了多少。
文件清单，其中*.gz, *.bz2, *.gpg, Realease都是文件，其它的ubuntu, feisty, source……是文件夹，ftp服务器里每个文件夹里都可能包含很多文件，我只下载ls-lR.gz, Contents-i386.gz, Release, Release.gpg, Packages.bz2, Packages.gz, Source.gz这些包含文件包信息的文件，手工创建相应的文件夹。
软件包信息清单liuhaixiao@LHX88:~$ ls -R :ubuntu/ubuntu:dists ls-lR.gz/ubuntu/dists:feisty # 因为我用的是Ubuntu7.04，所以下载feisty里的东东。
GTX1070+Ubuntu16+cuda8+Deeplearning配置
GTX1070+ubuntu16.04+cuda8.0rc+cudnn-v5.0+mxnet+tensorflow+caffe1 系统安装直接用ultraiso刻录ubuntu16.04.iso到u盘里，不知为什么安装有问题。
于是刻录14.04，然后安装。
sudo apt-get updatesudo update-manager -d更新软件。
然后再次输入sudo update-manager -d会提示更新到16.04。
接下来就是漫长的等待。
再次重启后完成ubuntu16.04的安装2 安装Cuda8.0首先说下需要注意的几点：cuda8.0为RC版，未正式发布，只支持ubuntu14.04和ubuntu16.04，貌似GTX1070/1080也只支持cuda8.0。
cuda8.0自带驱动nvidia-361，现在最新驱动nvidia-367，所以安装完cuda后必须再安装驱动。
安装nvidia-367驱动时使用ubuntu16自带的gcc-5，较低的gcc版本容易失败。
下面开始详细安装2.1 禁用nouveau（是否必要未验证）# 系统启动时如果提示nouveau error: unkown chipset# nouveau无法识别GTX1080 - 禁用nouveausudo gedit /etc/modprobe.d/blacklist.conf# 在最后添加：blacklist nouveau# 退出sudo update-initramfs -usudo reboot2.2 gcc版本ubuntu16.04 默认安装的gcc版本为gcc-5.4，（可用gcc --version查看）有时可能需要低版本的，所以我们先安装gcc-4.8.5sudo apt-get install -y gcc-4.8 g++-4.8sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.8 20sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.8 20cd /usr/binsudo cp gcc gcc_backupsudo cp g++ g++_backupsudo rm gcc g++sudo ln -s gcc-4.8 gccsudo ln -s g++-4.8 g++#这样再用gcc --version查看就是4.8.5了，如果想切换为系统默认的版本：sudo rm gcc g++sudo ln -s gcc-5 gccsudo ln -s g++-5 g++2.3 安装cuda下载网址https:///cuda-release-candidate-download不知为什么，经常很难下载，可能时网络问题吧，所以备份很重要，在师门网盘里就有，哈哈。
Ubuntu Kylin 14.04 LTS 系统安装——UEFI 环境安装
Ubuntu Kylin 14.04 LTS 系统安装——UEFI 环境安装前面的教程都是基于传统BIOS 环境而言的，而现在的新电脑，基本上都是基于UEFI 环境的，所以还是抽时间学习了一下UEFI 环境下 UK14 的安装。
下面专门讨论一下这个问题。
一、什么是UEFI前面已经介绍了什么是BIOS，这里再来简单看一下什么是UEFI。
UEFI 是英语“Unified Extensible Firmware Interface”的简称，意为“统一可扩展固件接口”，是一种替代传统BIOS 的固件接口标准。
这里不对UEFI 理论知识做什么解释，暂时只需要了解以下几点：1. UEFI 将会完全替代传统的BIOS。
2. 现在的新电脑基本上都是基于UEFI 的，但很多人也还将其称为“BIOS”，许多电脑将其称为“UEFI BIOS”，而将传统BIOS 称为“legacy BIOS”，应该是习惯使然，这里面的BIOS 不如理解为是“固件”的意思更好。
实际上，BIOS 是BIOS，UEFI 是UEFI ，它们都是电脑最基本的“固件”，根本没有“UEFI BIOS”。
3. 为了兼容旧的系统，现在电脑的UEFI 都还同时支持传统BIOS 启动（仅限于“启动”），这让它们看起来和老电脑没什么区别。
4. 在电脑启动过程中，传统BIOS 在电脑初始化完毕后，就会去寻找“启动设备”，仅仅限于“设备”；这里的“启动设备”拿硬盘为例来说明：BIOS 只能识别“硬盘”，能读取硬盘的引导扇区；至于硬盘的具体分区BIOS 是无法识别的，更不用说去识别分区中的操作系统了。
而UEFI 在电脑初始化完毕后，也会去寻找“启动设备”，但除此之外，它还可以识别“设备”上的分区，并可以从特定的分区（就是EFI 系统分区ESP）中读取数据、执行代码。
正因为如此，所以传统BIOS 的开机选单中列出的仅仅是“可启动设备”，而UEFI 的开机选单中，除了“可启动设备”外，还会列出已经安装的操作系统。
windows环境Caffe安装配置步骤（无GPU）及mnist训练
windows环境Caffe安装配置步骤（⽆GPU）及mnist训练在硕⼠第⼆年，义⽆反顾地投⾝到了深度学习的浪潮中。
从之前的惯性导航转到这个⽅向，⼀切从头开始，在此，仅以此⽂记录⾃⼰的打怪之路。
最初的想法是动⼿熟悉Caffe,考虑到直接上⼿U buntu会有些难度，所以⾸先在windows环境下打个基础。
有个插曲，台式机由于某些原因只能保持在32位系统，编译caffe.cpp时才发现系统不兼容，然后才换到64位的笔记本上进⾏操作。
Caffe安装：Step1将Caffe从GitHub上下载后解压缩，将./windows中的CommonSettings.props.example⽂件复制到本⽂件夹中，然后删除example得到CommonSettings.props ⽂件，如图所⽰如果不这么做，在VS中将打不开CommonSettings.props.example⽂件。
Step2修改CommonSettings.props⽂件。
根据⾃⼰的需求修改状态，⽐如我⾃⼰笔记本上⽆GPU，就在对应的地⽅设置位False；相应的，我只能⽤CPU，那就改成True；Matlab和Python的接⼝是否使能（Enabled）也在这⾥设置。
可能会出现的问题：libcaffe和test_all加载失败；解决办法：从第⼀步开始，重新解压压缩包。
Step3⽣成解决⽅案，下载第三⽅库。
点开./windows中的caffe.sln,右键解决⽅案“caffe”,点击⽣成解决⽅案这时候，会弹出⼀个框，表⽰正在在下第三⽅库，⾥⾯包括openCV之类的库，下载完后可以发现会出现的问题：⽣成解决⽅案失败，提⽰说⽆法打开libcaffe.lib之类的error。
解决⽅法是直接对libcaffe重新⽣成，或者直接⽣成⼀次接着会出现的问题：没有⽣成object⽂件；解决办法：双击此错误，保存弹出来的框，然后再对libcaffe“重新⽣成⼀次”最后会提⽰解决⽅案⽣成成功了Step 4设置属性Step5运⾏caffe.cpp，按ctrl+F5进⾏编译出现了这种状况：解决办法是重启电脑出现下⾯的窗⼝说明编译成功mnist测试需要注意的是：1.将他们都下载下来，在./data/mnist中建⽴两个⽂件夹分别装好2. 写脚本语⾔是应核对好路径是否正确，要⽤⾃⼰的路径，不能照抄作者的。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ubuntu下安装Caffe
安装需要的软件：
1. Ubuntu14.0.4
2. cudarepoubuntu150475local_7.518_amd64
3. caffemaster
安装Ubuntu的过程在这里不做介绍。
系统安装好了之后，执行下面的操作。
在线安装的步骤，在此之前将更新源换成163的，下载速度会快很多：
1. sudo apt-get update
2. sudo apt-get upgrade
以上更新系统相关软件
3. sudo apt-get install build-essential
4. sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev
libopencv-dev libboost-all-dev libhdf5-serial-dev
5. sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
protobuf-compiler
6. sudo apt-get install libatlas-base-dev python-dev vim
以上为在线安装的依赖项需要按顺序执行
7. 切换到cuda安装包的目录下，执行sudo dpkg -i cuda-repo-ubuntu1504-7-5-
local_7.5-18_amd64
8. sudo apt-get update
9. sudo apt-get install -y cuda
以上为安装CUDA驱动。
（Nvidia驱动在这个过程也会自动装好）
10. vim ~/.bashrc
11. 按i进入编辑状态，将光标移到最下面一行。
输入export PATH=/usr/local/cuda-
7.5/bin:$PATH
12. 输入export LD_LIBRARY_PATH=/usr/local/cuda-
7.5/lib64:$LD_LIBRARY_PATH，按:wq保存并退出
13. source ~/.bashrc
以上为配置环境变量
14. 将下载好的caffe源文件解压缩，即caffemaster然后切到那个目录中执行cp
Makefile.config.example Makefile.config
15. vim Makefile.config
16. 按i进入编辑状态，修改：CUDA_DIR ：=/usr/local/cuda-7.5
17. 如果使用了MATLAB或者Python需要按照Makefile.config文件中的提示在
Makefile.config进行相应的路径修改即可。
以上为配置Caffe相关路径
18. make all
19. make test
20. make runtest
21. 如果用到MATLAB，make matcaffe
22. 如果用到Python，make pycaffe
以上为编译Caffe
23. 数据预处理：sh data/mnist/get_mnist.sh
24. 重建lmdb/leveldb文件：sh examples/mnist/create_mnist.sh 生成mnisttrain
lmdb和mnisttrainlmdb格式的数据集
25. 训练mnist：sh examples/mnist/train_lenet.sh
以上为使用MNIST数据集进行测试
以上操作完成即表示Caffe已成功安装。