配置環境：Windows10+Vmware+Ubuntu16.04+CPU

1、準備工作

無GPU，跳過CUDA

sudo apt-get update

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler

sudo apt-get install --no-install-recommends libboost-all-devr

apt-get install libprotobuf-dev   

apt-get install libleveldb-dev   

apt-get install libsnappy-dev   

apt-get install libopencv-dev   

apt-get install libhdf5-serial-dev   

apt-get install protobuf-compiler  

apt-get install --no-install-recommends libboost-all-dev

安裝BLAS

sudo apt-get install libatlas-base-dev

安裝python

apt-get install python-dev

安裝谷歌、gflags、lmdb

sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

2、下載caffe

先安裝git

apt-get install git

在利用git 在github上下載caffe

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

如果需要caffe的python介面，切換到caffe下的python目錄下

[email protected]:~/caffe/python$

先安裝pip：

apt-get install python-pip  

for req in $(cat requirements.txt); do pip install $req; done//這步可能出錯

由於國內網路的限時，在利用pip安裝時很慢，因此需要藉助於國內源。這裡用

程式碼功能解析：在初始的目錄（如[email protected]:~$ ）下輸入以下程式碼，其中tar zxf pip-1.0.2.tar.gz是解壓下載的安裝包，cd pip-1.0.2為進入到pip-1.0.2目錄，在此目錄下利用python執行setup.py檔案。cd ~/caffe/python指的是在caffe下的python目錄下，利用pip與國內源安裝依賴庫。

wget http://pypi.python.org/packages/source/p/pip/pip-1.0.2.tar.gz

tar zxf pip-1.0.2.tar.gz//根據http://pypi.python.org/packages/source/p/pip最新的版本填寫版本號

cd pip-1.0.2

python setup.py install

cd ~/caffe/python

for req in $(cat requirements.txt); do pip install -i https://pypi.tuna.tsinghua.edu.cn/simple $req; done//這個好像執行的時候有錯誤 忘了怎麼解決的了

我自己試的時候忘記了有沒有安裝這個......不過pip是安裝了的

注意用pip下載一些依賴包時，由於訪問國外的網路較慢，此時可以選擇利用國內源進行下載，假設要下載的是entrypoints。則可輸入以下程式碼：sudo pip install -i https://pypi.tuna.tsinghua.edu.cn/simple entrypoints

3、配置Makefile.config檔案

Caffe下載完成後，配置Makefile.config檔案：

cd ~/caffe

cp Makefile.config.example Makefile.config //將Makefile.config.example 更名為Makefile.config

開啟Makefile.config

安裝步驟是在只有CPU的情況下完成的，因此要使能CPU，所以去掉CPU_ONLY := 1前面的註釋；

其他修改的部分，修改後如下所示：PYTHON_INCLUDE := /usr/include/python2.7 \

        /usr/lib/python2.7/dist-packages/numpy/core/include

# Whatever else you find you need goes here.

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial

LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial

4、編譯 caffe

方案1：make pycaffe  

make all  

make test  

make runtest

方案2：採用這種方案一般沒問題,不過在使用c++呼叫的時候,會使用到連結庫:libcaffe.so.1.0.0-rc3,這種方法編譯後沒有生成這個檔案;經過google查詢,發現採用cmake編譯,才會生成libcaffe.so檔案

mkdir build

cd build

cmake ..

make all -j8 或者是-j4

我自己使用的是方案一

5、測試caffe

切換到caffe目錄下，輸入如下命令測試mnist資料集

sh data/mnist/get_mnist.sh

sh examples/mnist/create_mnist.sh

vim examples/mnist/lenet_solver.prototxt//也可以直接用文字編輯器開啟編輯，將最後一行的GPU改成CPU

./examples/mnist/train_lenet.sh //開始訓練

推薦個caffe模型網站：https://github.com/BVLC/caffe/wiki/Model-Zoo。這個網站可以找到好多caffe模型、原始碼，非常適合於我們學習。