深度学习框架caffe在ubuntu上无GUP编译环境详细配置

最近公司打算作人工智能方面，我这个什么也不懂的菜鸟就被推出来扛起大旗，在网上随便找了个贴子来安装caffe，没想到这一安装步步为坑，太多泪了
如今把详细的踩坑过程记录一下，以供后来人参考:

配置环境：Ubuntu14.04
一、先下载caffe源码，在https://github.com/BVLC/caffe直接下载仍是用wget下载均可以。
二、解压后会看到里面既有Cmakelist文件和Makefile，Makefile.config用make直接编译和cmake都是能够的，两种方式我都测试了，下面讲一下直接make的方式。
三、先作准备工做安装依赖库，打开caffe的官方安装文档http://caffe.berkeleyvision.org/install_apt.html，其实直接用官方的东西是最好的，仍是少搜贴子了，

sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-devsudo 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-dev
因为是Ubuntu14.04的还要加几个包

四、注意注意 这里安装完的opencv版本应该是2.7的，很关键后面会用到。要以用 pkg-config --modversion opencv查看一下版本
五、准备Makefile的配置文件，目录下自己就有个例子咱们改改就能够了cp -rf Makefile.config.example Makefile.config，打开 Makefile.config

打开这个选项，只用CPU编译，因为先前安了很久的cuda都装不上，多是个人机器显卡有问题，都快崩溃了，后来果断放弃改用cpu
六、有的地方好像还用atlas我也忘了，反正先装上吧sudo apt-get install libatlas-base-dev 
七、而后直接make -j4
八、因为之前本身还安装了opencv3.6的库，这下出了很大的麻烦，caffe默认去找了3.6的库，这样就会出现找不到libIlmImf.so的状况，新的opencv3.6是不带so文件的，有三种方法能够解决
     1.将新版本卸载，2.采用opencv版本切换这个能够网上搜一下很用弄，3.将旧版本的库复制到新版本的目录下，旧版本是/usr/lib/下，新版本是在/usr/local/lib下
九、此次再从新编译有的会出现

[cpp] view plain copy undefined reference to `cv::imencode(cv::String const&, cv::_InputArray const&, std::vector<unsigned char, std::allocator<unsigned char> >&, std::vector<int, std::allocator<int> > const&)'   .build_release/lib/libcaffe.so: undefined reference to `cv::imdecode(cv::_InputArray const&, int)'   .build_release/lib/libcaffe.so: undefined reference to `cv::imread(cv::String const&, int)

   这种状况应该是库没有连接到，这个是采用网上找的方法，将opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs加到LIBRARIES下，

LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5 opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs

记得要make clean 或者rm -rf ./build/*，而后再make
十、顺利编译成功，有点小兴奋唉。。。

十一、进入cd build/tools/，下面应该有个caffe的可执行文件，运行一下试试会弹出这么一坨，基本已经安装成功了。


十二、由于下面的例子通常都是python的还须要安装一下python库，

sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

1三、跑一个小例子，知足一下好奇心，http://caffe.berkeleyvision.org/model_zoo.html这上面是有不少牛人的模型，咱们下载一个测试一下。
1四、咱们测试一下识别图片的小例子吧，回到根目录下有个scripts目录，

./scripts/download_model_binary.py models/bvlc_reference_caffenet

1五、接下来下载对应的标签文件
 

./data/ilsvrc12/get_ilsvrc_aux.sh

1六、在网上随便下载了图片,放在了examples/images/dada.jpg

运行模型进行检测

./build/examples/cpp_classification/classification.bin \ models/bvlc_reference_caffenet/deploy.prototxt \ models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel \ data/ilsvrc12/imagenet_mean.binaryproto \ data/ilsvrc12/synset_words.txt \ examples/images/dada.jpg

看见输出结果显示


88%的几率是非洲象，这个区分的仍是很细的，本身也能够下载一下大牛的模型本身试试哦，后面也会传一些本身训练的模型上来

有什么不明白的给我留言。