作業系統: Ubuntu14.04PYTHON版本：2.7，使用python3會有各種包依賴問題是否使用PYTHON API: 是, 目標是安裝後CAFFE能作為PYTHON MODULE來使用硬體: 雲伺服器, 只使用CPU模式

1.安裝依賴

1 sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler2sudo apt-get install --no-install-recommends libboost-all-dev3sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev4sudo apt-get install libatlas-base-dev5 sudo apt-get install libopencv-devPYTHON需要2.7版本,這是作業系統本身已經安裝好的. 輸入python2.7 --version 會顯示具體的版本號說明安裝了.但是還需要sudo apt-get install python-dev

2.下載Caffe使用Git直接下載Caffe非常簡單，或者去https://github.com/BVLC/caffe下載。由於我習慣去github上找程式碼，所以就直接去下載的原始碼。

使用git下載caffe到家目錄，下載完成後，會在家目錄下的下載裡找到caffe資料夾，切換到caffe資料夾中。

$ cd ~

$ git clone git://github.com/BVLC/caffe.git$ cd caffe

3.編譯Caffe（1）建立Makefile.comfig檔案

cp Makefile.config.example Makefile.config

（2）修改配置檔案Makefile.config

1.  style="font-size:14px;"># CPU-only switch (uncomment to build without GPU support).  
2.  CPU_ONLY := 1        #一定需要開啟。  
3. # Uncomment if you're using OpenCV 3  
4. # OPENCV_VERSION := 3                    #用的是2.4版本不需要開啟。  
5. # To customize your choice of compiler, uncomment and set the following.  
6. # N.B. the default for Linux is g++ and the default for OSX is clang++  
7. # CUSTOM_CXX := g++                                               #已經更新到至少4.8，選擇預設的就好。  
8. # CUDA directory contains bin/ and lib/ directories that we need.    #這是GPU用到的，註釋掉就可以。  
9. #CUDA_DIR := /usr/local/cuda  
10. # On Ubuntu 14.04, if cuda tools are installed via  
11. # "sudo apt-get install nvidia-cuda-toolkit" then use this instead:  
12. # CUDA_DIR := /usr  
13. # CUDA architecture setting: going with all of them.  
14. # For CUDA < 6.0, comment the *_50 lines for compatibility.        #這些部分全部註釋，和我們cpu家族沒有關係。  
15. #CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \  
16. ##      -gencode arch=compute_20,code=sm_21 \  
17. #       -gencode arch=compute_30,code=sm_30 \  
18. #       -gencode arch=compute_35,code=sm_35 \  
19. #       -gencode arch=compute_50,code=sm_50 \  
20. #       -gencode arch=compute_50,code=compute_50  
21. # BLAS choice:  
22. # atlas for ATLAS (default)  
23. # mkl for MKL  
24. # open for OpenBlas  
25. BLAS := atlas                      #如果安裝mkl並且設定好路徑的可以試一下mkl，不過一般會出錯，找不到lmkl檔案，建議採用atlas，簡單易行。  
26. # Custom (MKL/ATLAS/OpenBLAS) include and lib directories.  
27. # Leave commented to accept the defaults for your choice of BLAS  
28. # (which should work)!  
29. # BLAS_INCLUDE := /path/to/your/blas  
30. # BLAS_LIB := /path/to/your/blas  
31. # Homebrew puts openblas in a directory that is not on the standard search path  
32. # BLAS_INCLUDE := $(shell brew --prefix openblas)/include  
33. # BLAS_LIB := $(shell brew --prefix openblas)/lib  
34. # This is required only if you will compile the matlab interface.     #python很流行，matlab暫時沒安裝，也就用不到了。  
35. # MATLAB directory should contain the mex binary in /bin.  
36. # MATLAB_DIR := /usr/local  
37. # MATLAB_DIR := /Applications/MATLAB_R2012b.app  
38. # NOTE: this is required only if you will compile the python interface.
39. # We need to be able to find Python.h and numpy/arrayobject.h.  
40. PYTHON_INCLUDE := /usr/include/python2.7 \  #因為下安裝的時候採用的時2.7版本的python，所以這裡開啟2.7版本的，但是要確保python安裝在系統預設路徑下。
41.        /usr/lib/python2.7/dist-packages/numpy/core/include  
42. # Anaconda Python distribution is quite popular. Include path:  
43. # Verify anaconda location, sometimes it's in root.  
44. # ANACONDA_HOME := $(HOME)/anaconda2                               
45. # PYTHON_INCLUDE := $(ANACONDA_HOME)/include \  
46.          $(ANACONDA_HOME)/include/python2.7 \              
47.          $(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include \  
48. # Uncomment to use Python 3 (default is Python 2)  
49. # PYTHON_LIBRARIES := boost_python3 python3.5m  
50. # PYTHON_INCLUDE := /usr/include/python3.5m \  
51. #                 /usr/lib/python3.5/dist-packages/numpy/core/include  
52. # We need to be able to find libpythonX.X.so or .dylib.  
53.   PYTHON_LIB := /usr/lib  
54. # PYTHON_LIB := $(ANACONDA_HOME)/lib                                 
55. # Homebrew installs numpy in a non standard path (keg only)  
56. # PYTHON_INCLUDE += $(dir $(shell python -c 'import numpy.core; print(numpy.core.__file__)'))/include  
57. # PYTHON_LIB += $(shell brew --prefix numpy)/lib  
58. # Uncomment to support layers written in Python (will link against Python libs)  
59. # WITH_PYTHON_LAYER := 1  
60. # Whatever else you find you need goes here.  
61. INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include  /usr/include/hdf5/serial    #增加hdf5路徑
62. LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib  /usr/lib/x86_64-linux-gnu/hdf5/serial
63. # If Homebrew is installed at a non standard location (for example your home directory) and you use it for general dependencies  
64. # INCLUDE_DIRS += $(shell brew --prefix)/include  
65. # LIBRARY_DIRS += $(shell brew --prefix)/lib  
66. # Uncomment to use `pkg-config` to specify OpenCV library paths.  
67. # (Usually not necessary -- OpenCV libraries are normally installed in one of the above $LIBRARY_DIRS.)  
68. # USE_PKG_CONFIG := 1  
69. BUILD_DIR := build                            #編譯分配用到的路徑，開啟即可。  
70. DISTRIBUTE_DIR := distribute  
71. # Uncomment for debugging. Does not work on OSX due to https://github.com/BVLC/caffe/issues/171  
72. # DEBUG := 1                       #挑錯模式，喜歡debug的朋友不妨試試。

（3）編譯 Caffe

1. make pycaffe -jX                  #為了提高編譯速度，這裡的x設成自己的cpu核數  
2. make all -jX  
3. make test -jX   

1. make  runtest -jX                 #注意，這裡也可直接執行測試，make runtest  
   

注意：這裡如果使用MAC OS系統終端登陸伺服器配置的話在runtest的時候會有一些Field，原因是字符集不匹配，在終端執行以下命令再執行runtest就好.

export LC_ALL="C"

如果上面4行某一行報錯之後想要重試,建議先make clean再重新開始。

4.編譯Python介面Caffe擁有python\C++\shell介面，在Caffe使用python特別方便，在例項中都有介面的說明。

• 確保pip已經安裝

sudo apt-get install python-pip

• 執行安裝依賴

在caffe根目錄的python資料夾下，有一個requirements.txt的清單檔案，上面列出了需要的依賴庫，按照這個清單安裝就可以了。

在安裝scipy庫的時候，需要fortran編譯器（gfortran)，如果沒有這個編譯器就會報錯，因此，我們可以先安裝一下。

首先回到caffe的根目錄，然後執行安裝程式碼：

cd ~/caffesudo add-apt-repository ppa:kirillshkrogalev/ffmpeg-nextsudo apt-get update sudo apt-get install gfortrancd ./pythonfor req in $(cat requirements.txt); do pip install $req; done

安裝完成以後，再次回到caffe根目錄我們可以執行：

sudo pip install -r python/requirements.txt

就會看到，安裝成功的，都會顯示Requirement already satisfied, 沒有安裝成功的，會繼續安裝。

• 執行python結構

$ python2.7Python 2.7.12 (default, Jul 1 2016, 15:12:24) [GCC 5.4.0 20160609] on linux2Type "help", "copyright", "credits" or "license" for more information.>>> import caffe>>>

如果沒有報錯，說明caffe安裝全部完成

注意：如果import caffe提示找不到caffe，需要將 PYTHONPATH加入.bashrc中：

1. vim ~/.bashrc
2. 在檔案末端新增下面兩句
3. #set PYTHONPATH                        設定caffe下的路徑。否則caffe也找不到。  
4. export PYTHONPATH="/home/tom/caffe/python:$PYTHONPATH"  標紅的地方換成自己的caffe路徑

加完後執行：

source ~/.bashrc

5.在Mnist執行Lenet

• 獲取資料來源

./data/mnist/get_mnist.sh./examples/mnist/create_mnist.sh

• 因為是CPU執行，所以修改在examples檔案下的Mnist下的lenet_solver.prototxt中的solver_mode:CPU

solver_mode: CPU

• 訓練模型

./examples/mnist/train_lenet.sh

6.最後，我的文章是基於各位前輩大神們的文章，雖然按他們的過程走我都報錯了，但是最終還是幫助我安裝成功。為了表示對別人成果的尊重，這裡留下大神們的參考連結：

http://www.linuxidc.com/Linux/2016-09/135034.htm

http://blog.csdn.net/u010402483/article/details/51506616

http://www.cnblogs.com/denny402/p/5679037.html

http://blog.csdn.net/u012029332/article/details/51098248

http://blog.csdn.net/mandagod/article/details/52337434