Caffe+Ubunt14.04+Cuda7.0+Opencv3.0+MKL+Matlab2014a安装教程

Caffe+Ubunt14.04+Cuda7.0+Opencv3.0+MKL+Matlab2014a安装教程

1.更新日期：2015.7.26

2.感谢Xin-Yu Ou（欧新宇）老师的帖子，有诸多借鉴

贴上欧新宇老师的地址：http://ouxinyu.github.io/Blogs/20151108001.html

3.系统配置 Ubuntu14.04 软件版本cuda7，openCV3.0，matlab2014a

一．Ubuntu14.04系统的安装：

Ubuntu14.04安装请问度娘或者移步：

Ubuntu官网镜像下载地址：http://www.ubuntu.org.cn/download/desktop

1.UltraISO(软碟通)制作ubuntu系统U盘安装盘： http://wenku.baidu.com/link?url=dC27PBAiBgodY23GLj6S2wYGKcnxDJ3AC2m1JMyyB3aUhaWcPzVZBvh5INiBEE0bW8uzMDUyRWHO-V8vRNcnnYr65lP7JBcaSv_NoT53D87

2.Ubuntu14.04安装教程：

http://jingyan.baidu.com/article/0bc808fc6326ca1bd485b9e6.html

二．CUDA7.0的安装：

CUDA7.0官网下载地址：https://developer.nvidia.com/cuda-downloads



选择下载上图标示的deb安装包，下载完成后会看到一个命名为：

cuda-repo-ubuntu1404-7-0-local_7.0-28_amd64.deb的安装包文件，接下来开始安装：

1. 打开命令行（快捷键Ctrl+Alt+t）安装：

$ sudo dpkg -i cuda-repo-ubuntu1404-7-0-local_7.0-28_amd64.deb

$ sudo apt-get update

$ sudo apt-get install cuda

2. 设置环境变量：

打开文件.profile(只对当前用户生效)：

$sudo gedit ~/.profile

在文件的末尾添加如下几行：

export CUDA_HOME=/usr/local/cuda-7.0

export LD_LIBRARY_PATH=${CUDA_HOME}/lib64

PATH=${CUDA_HOME}/bin:${PATH}

export PATH

保存文件之后在命令行执行一下，让配置内容生效

$sudo source ~/.profile

到这个地方，cuda已经配置好了。为了验证一下cuda能不能使用，可以编译一下官方自带的samples

$cd /usr/local/cuda/samples/

$sudo make

例子编译好之后，在samples下面的子文件bin/x86_64/linux/release中，运行编译好的可执行程序

$cd bin/x86_64/linux/release

$./deviceQuery

如果一切正常，那么该程序会打印出本机cuda device的一些信息，如下：



至此CUDA7.0安装结束。

三．安装BLAS（可选择ATLAS，MKL或OpenBLAS）这里使用MKL

Intel MKL官方下载链接：

https://software.intel.com/en-us/intel-education-offerings

1.首先下载并安装英特尔® 数学内核库 Linux* 版MKL， 请下载Student版，先申请，【注意:在填写邮箱地址时，一定要使用教育网邮箱（以edu结尾），不然试多少次都出现错误：

Your college is not pre-selected for inclusion in this program. Please submit a request to add your college to our list, and check back in one month】然后会立马收到一个邮件（里面有安装序列号），打开照着下载就行了。

接下来是安装过程，先授权，然后安装：

$ tar zxvf parallel_studio_xe_2015.tar.gz （如果你是直接拷贝压缩文件过来的）

$ chmod a+x parallel_studio_xe_2015 -R

$ sudo ./install_GUI.sh

2.MKL与CUDA的环境设置

2.1. 新建intel_mkl.conf， 并编辑之：

$ sudo gedit /etc/ld.so.conf.d/intel_mkl.conf

/opt/intel/lib/intel64

/opt/intel/mkl/lib/intel64

2.2. 新建cuda.conf，并编辑之：

$ sudo gedit /etc/ld.so.conf.d/cuda.conf

/usr/local/cuda/lib64

/lib

2.3. 完成lib文件的链接操作，执行：

$ sudo ldconfig -v

四．安装OpenCV3.0：

1. 下载并编译OpenCV（官网原版OpenCV：http://opencv.org/）， 或者使用本站提 供的修改版的安装包 Install-OpenCV-master

（https://github.com/ouxinyu/Install-OpenCV-master）（下面的安装方式使用该包完成，安装包修改了dependencies.sh文件并增加了OpenCV 3.0.0的安装文件，同时保留了原来的2.3x和2.4x版）

2. 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 3.0.0rc1：

$ sudo sh opencv3_0_0-rc1.sh

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。。。

五．安装其他依赖：

安装其他依赖项

1. 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

$ make

$ sudo make install

如果没有权限就chmod a+x glog-0.3.3 -R , 或者索性 chmod 777 glog-0.3.3 -R , 装完之后，这个文件夹就可以kill了。

2. 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

$ sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler

六．Matlab2014a安装：

1 从http://pan.baidu.com/s/1dDDB34t下载Matlab2014的Linux版本及破解文件

2 下载完成后将iso文件挂载到Linux

$ sudo mkdir /media/matlab

$ mount -o loop [path][filename].iso /media/matlab

$ cd /media/matlab

$ sudo ./install

进行安装

3 安装过程中使用readme.txt中的序列号

4 破解

安装完成后使用crack下的 license进行激活将crack文件夹下的libmwservices.so
copy到 /usr/local/MATLAB/R2014A/bin/glnxa64

5 完成安装，命令行下使用sudo matlab即可启动使用

6 桌面快捷方式的制作：

//创建启动文档

$ sudo gedit /usr/share/applications/Matlab.desktop 写入一下内容：

[Desktop Entry]

Type=Application

Name=Matlab

GenericName=Matlab 2014a

Comment=Matlab:The Language of Technical Computing

Exec=sh /usr/local/MATLAB/R2010b/bin/matlab -desktop

Icon=/usr/local/MATLAB/Matlab.png

Terminal=false

Categories=Development;Matlab;

// Exec=sh /matlab安装目录/

// Icon=/图片所在目录



然后你就能在Application菜单中找到启动图标了

七．安装Caffe并测试：

1. 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

$ sudo apt-get install -y protobuf-c-compiler protobuf-compiler

2. 下载Caffe-master，生成Makefile.config

Caffe官网：http://caffe.berkeleyvision.org/找到 View On GitHub下载

$ cp Makefile.config.example Makefile.config

3. 配置Makefile.config文件（仅列出修改部分）

a. 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

b. 配置Makefile文件（实现对OpenCV 3.x的支持）

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

c. 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。

$ make all -j8

$ make test -j8

$ make runtest -j8

编译Python和Matlab用到的caffe文件

$ make pycaffe -j8

$ make matcaffe -j8

八．使用MNIST数据集进行测试

Caffe默认情况会安装在$CAFFE_ROOT，就是解压到那个目录，例如：$ home/username/caffe-master，所以下面的工作，默认已经切换到了该工作目录。下面的工作主要是，用于测试Caffe是否工作正常，不做详细评估。具体设置请参考官网：http://caffe.berkeleyvision.org/gathered/examples/mnist.html

1. 数据预处理

$ sh data/mnist/get_mnist.sh

2. 重建lmdb文件。Caffe支持三种数据格式输入网络，包括Image(.jpg, .png等)，leveldb，lmdb，根据自己需要选择不同输入吧。

$ sh examples/mnist/create_mnist.sh

生成mnist-train-lmdb 和 mnist-train-lmdb文件夹，这里包含了lmdb格式的数据集

3. 训练mnist

$ sh examples/mnist/train_lenet.sh

至此，Caffe安装的所有步骤完结，下面是一组简单的数据对比，实验来源于MNIST数据集，主要是考察一下不同系统下CPU和GPU的性能。可以看到明显的差别了，虽然MNIST数据集很简单，相信复杂得数据集，差别会更大，Ubuntu+GPU是唯一的选择了。