9月份决定要搭建深度学习的环境，一直到现在搭建好caffe，我只想说“F U C K”，竟然弄了3个月，3个月啊抓狂。
1.开讲前的废话
以下纯属吐槽，是废话，大家可略过：
8月份，老师让我搞深度学习，一开始我是拒绝的，因为我觉得它好难啊，这么高大上的东西我一个小白怎么搞，无奈老师的话还是要听的，硬着头皮搞，但当时只想着回家，也没有正儿八经弄就随便弄了个windows下的theano糊弄过去了，开学后不得不收拾烂摊子，从选择深度学习的框架theano、caffe、torch。经过我精挑细选最终选择了caffe。
漫长的征程开始了，先准备在windows下弄，搞了半天没弄出来，so放弃，接着改在Ubuntu下弄，由于第一次装双系统，没经验，把我的笔记本搞坏了，遇到种种问题（怎么直接进入Ubuntu了，windows进不去了，说好的双系统呢；经过一番折腾。嗯，终于进入windows了，嗯？怎么不能上网了，为什么ubuntu下能上网而windows上不了呢；经过一番折腾。嗯，windows终于可以上网了，现在开始使用ubuntu吧）第一次接触Linux系统，完全不熟悉，这TM是啥，这个怎么安装，这个怎么用，感觉不如windows，so又放弃了尴尬。随后在老师的强制要求下继续使用熟悉linux系统。好吧。先试着安装cuda吧，嗯。竟然还要卸载驱动，还要关闭tty什么的，没办法，搞吧。wc，怎么ubuntu登陆后分辨率变模糊了，经过一番折腾。更新下驱动弄好了；继续搞，怎么出现花屏了，经过一番折腾；继续搞，怎么ubuntu出现循环登录了，MGJ，继续搞。期间各种重装系统啊，感觉一学期都在重装系统啊，由于没备份，我笔记本里的东西早没了，同学们切记要有经常备份的习惯啊。感觉心好累，经过1个月左右的适应，总算对ubuntu有个基本了解了，现在安心装caffe吧。
你以为这样就完了吗，NO，安装caffe也是各种问题，差不多就是一步一个error，步步惊心啊，我的心情是崩溃的。
没办法，继续搞，从失败中总结教训，出错就google（某度就是渣渣），在qq群里问，最后换了ubuntu15.04，cuda7.5才成功的。
好了，废话说完了，让我们开始把。
百度云链接链接：http://pan.baidu.com/s/1numfgTz 密码：4jbz
2.Linux的安装
这里不详细说明，网上有很多，只是提几点需要注意的问题。
根分区： \ 100G，
Swap交换分区：128G ，这里设置成内存的1.5-2倍
boot分区：200M
Home分区：剩余的空间，建议300G以上。
安装完后软件更新器会提示让你更新，建议更新一下。
然后命令行输入，安装一些东西
sudo apt-get update
sudo apt-get install git vim cmake automake
如果是Linux新手，不建议直接安装caffe，建议先熟悉一下Linux系统，掌握基本操作及关键命令如vim cd等等。
3.CUDA的安装（.deb方法）
直接去Nvidia的官网下载cuda7.5的ubuntu15.04 的deb(local)版，大概1.9G.
输入以下3行代码即可
sudo dpkg -i cuda-repo-ubuntu1504-7-5-local_7.5-18_amd64.deb`
sudo apt-get update`
sudo apt-get install cuda`
我还安装了nvcc编译器，因为要写cuda程序
命令行输入
nvcc --version
按照提示安装即可。
4.Matlab的安装
matlabR2014a不好找，找不到的可以去开头的百度云链接下载
Mathworks.Matlab.R2014a.Unix.iso,右键 - 使用磁盘映像挂载器打开”，进入装载的虚拟光盘，拷贝全部文件至home/Matlab 文件夹
复制Crack/install.jar至 home/Matlab/java/jar/ 并覆盖源文件
$ sudo cp install.jar /home/Matlab/java/jar/</span>
授权安装文件夹
$ chmod a+x Matlab -R
安装
$ sudo ./install
选项：不使用Internet安装，建议把网线拔掉
序列号：12313-94680-65562-90832
默认路径：/usr/local/MATLAB/R2014a
勾选从默认启动路径创建符号链接（实现在任意位置运行matlab启动程序）
激活文件：license_405329_R2014a.lic
拷贝 libmwservices.so 至 /usr/local/MATLAB/R2014a/bin/glnxa64
$ sudo cp libmwservices.so /usr/local/MATLAB/R2014a/bin/glnxa64/
解决编译器gcc/g++版本问题。
因为Ubuntu 15.04的gcc/g++版本是4.9.2，而Matlab 2014a（2015a）的版本是4.7.x所以在使用matla调用mex文件的时候，基本上都会报错，根据报错信息，考虑如下两步解决方案。
降级安装gcc/g++版本为4.7.x
(a). 下载gcc/g++ 4.7.x
$ sudo apt-get install -y gcc-4.7
$ sudo apt-get install -y g++-4.7
(b). 链接gcc/g++实现降级
$ cd /usr/bin
$ sudo rm gcc
$ sudo ln -s gcc-4.7 gcc
$ sudo rm g++
$ sudo ln -s g++-4.7 g++
4.安装BLAS（此处为Intel的MKL）
这里可以选择（ATLAS，MKL或者OpenBLAS），我这里使用MKL，首先下载并安装英特尔® 数学内核库 Linux* 版MKL(Intel(R) Parallel Studio XE Cluster Edition for Linux 2016)，下载链接是：https://software.intel.com/en-us/intel-education-offerings， 使用学生身份（邮件 + 学校）下载Student版，填好各种信息，可以直接下载，同时会给你一个邮件告知序列号。下载完之后，要把文件解压到home文件夹(或直接把tar.gz文件拷贝到home文件夹,）
$ tar zxvf parallel_studio_xe_2016.tar.gz
$ chmod a+x parallel_studio_xe_2016 -R
$ sh install_GUI.sh
然后按照提示操安装即可，序列号可在百度云获得，其他的默认即可。
MKL与CUDA的环境设置
1. 新建intel_mkl.conf， 并编辑之：
$ sudo gedit /etc/ld.so.conf.d/intel_mkl.conf
文件中输入
/opt/intel/lib/intel64
/opt/intel/mkl/lib/intel64
2. 新建cuda.conf，并编辑之：
$ sudo gedit /etc/ld.so.conf.d/cuda.conf
文件中输入
/usr/local/cuda/lib64
/lib
3. 完成lib文件的链接操作，执行：
$ sudo ldconfig -v
5.安装opencv3.0
这里使用的是欧新宇提供的opencv
切换到文件保存的文件夹，然后安装依赖项：
$ sudo sh Ubuntu/dependencies.sh
3. 切换目录Ubuntu\3.0\安装OpenCV 3.0.0：
$ sudo sh opencv3_0_0.sh(或者选择-rc1.h)
保证网络畅通，因为软件需要联网这里时间较长，请耐心等待。。。，
要注意安装过程中不能有error出现，如果出现error，就反复安装
完成后测试一下，写个opencv程序linux下编写opencv测试一下
6.安装依赖项
安装Google Logging Library（glog），下载地址：https://code.google.com/p/google-glog/，然后解压安装：
$ tar zxvf glog-0.3.3.tar.gz
$ ./configure
$ sudo make
$ sudo make install
安装其他依赖项，确保都成功
$ sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev
libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev
liblmdb-dev protobuf-compiler protobuf-c-compiler
7.安装caffe
安装pycaffe必须的一些依赖项：
$ sudo apt-get install -y 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
安装配置nVidia cuDNN 加速Caffe模型运算
安装前请去先官网下载最新的cuDNN (cudnn-70-linux-x64-v3)。
转到解压好的cudnn目录
$ sudo cp include/cudnn.h /usr/local/include
$ sudo cp lib64/libcudnn.* /usr/local/lib
链接cuDNN的库文件
$ sudo ln -sf /usr/local/lib/libcudnn.so.7.0.64 /usr/local/lib/libcudnn.so.7.0
$ sudo ln -sf /usr/local/lib/libcudnn.so.7.0 /usr/local/lib/libcudnn.so
$ sudo ldconfig -v
切换到Caffe-master的文件夹，生成Makefile.config配置文件，执行：
$ cp Makefile.config.example Makefile.config
配置Makefile.config文件（仅列出修改部分）
a. 启用CUDNN，去掉"#"
USE_CUDNN := 1
b. 配置一些引用文件（增加部分主要是解决新版本下，HDF5的路径问题）
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/lib/x86_64-linux-gnu/hdf5/serial/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial
c. 启用Intel Parallel Studio XE 2016
BLAS := mkl
d. 配置路径，实现caffe对Python和Matlab接口的支持
PYTHON_LIB := /usr/local/lib
MATLAB_DIR := /usr/local/MATLAB/R2014a
c. 启用OpenCV 3.0, 去掉"#"
OPENCV_VERSION =3
d.应用python
WITH_PYTHON_LAYER :=1
配置Makefile文件（实现对OpenCV 3.x的支持）
打开Makefile，查找“Derive include and lib directories”一节，修改“LIBRARIES +=”的最后一行，增加opencv_imgcodecs
opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs
在命令行中输入
export CUDA_VISIBLE-DEVICES=0
export MKL_CBWR=AUTO
编译caffe-master！！！"-j8"是使用CPU的多核进行编译，可以极大地加速编译的速度，建议使用。
转到caffe的目录
$ sudo make all -j8
$ sudo make test -j8
$ sudo make runtest -j8
我的make runtest后如下图，可能会有2项没通过，这个不用管
编译Python和Matlab用到的caffe文件
$ sudo make pycaffe -j8
$ sudo make matcaffe -j8
Ubuntu14.04 CuDNN安装（Caffe+Cuda7.0下）：http://www.linuxdiyf.com/linux/13856.html
Caffe在Ubuntu 14.04 64bit下的安装：http://www.linuxdiyf.com/linux/13008.html
Caffe+Ubuntu 15.04+CUDA 7.0新手安装配置指南：http://www.linuxdiyf.com/linux/12708.html
Caffe+Ubuntu 14.04 64bit+CUDA 6.5配置说明：http://www.linuxdiyf.com/linux/11368.html