更新一波
第一部分 系统安装
版本Ubuntukylin16.04.2。这里省略安装过程，请自行网上搜索安装过程。这里只强调一点，为了系统的稳定性，常用挂载分区（/，交换分区，/boot，/home，/usr；有些还分了/data到固态硬盘放数据集加快GPU调用数据）一定要分。
安装完系统，一定要执行以下命令来更新系统：
$ sudo apt update $ sudo apt upgrade
然后再搜索找到软件更新器，用软件更新器更新一次系统，目的是让系统在目前保持最新。
第二部分 显卡驱动，cuda8.0和cudnn5.1的安装
1、显卡驱动安装
我这里是运用ppa更新的最新驱动，使用起来能够得到挺好的体验，并能够实现双显卡的自由切换。
首先，通过快捷键Ctrl+Alt+T打开终端，然后加入官方ppa源：
$ sudo add-apt-repository ppa:graphics-drivers/ppa
$ sudo apt-get update
然后打开Ubuntu系统设置-》软件和更新-》附加驱动，选择最新版的显卡装有驱动，系统会自动安装好显卡驱动，然后重启系统便会切换到独显。网上好多是下载官方的显卡驱动很容易出现安装完无法登陆系统、登陆界面死循环、或者重启后黑屏。所以建议本方法。
安装成功后可以通过下面命令查看：（由于篇幅，截图省略）
$ nvidia-settings
2、cuda8.0安装与配置
cuda8.0下载请自行到官网下载，建议下载runfile(local)类型，下载完要进行md5校验，保证安装包不出问题。
后面用到的工具：（vim安装：终端输入$ sudo apt-get install vim 即可）
# service lightdm stop
再输入以下指令：
# vim /etc/modprobe.d/blacklist.conf
blacklist nouveau
重启，然后进入TTY1，登陆root用户：
在选择条件的过程中，一定不要再次安装nvidia驱动，否则之前安装的显卡驱动就坏了。
配置环境变量：
#vim/etc/profile
保存退出，按esc，再输入“:wq”即可。
输入命令：
# source/etc/profile
使其生效
# vim /etc/ld.so.conf.d/cuda.conf
/usr/local/cuda/lib64
# ldconfig
安装所缺少的库
$ sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
3、cudnn5.1安装与配置
首先到官网下载cudnn5.1（说明：就目前而言，tensorflow-GPU1.3.0版本已经支持cudnn6.0，但是为了能用nvidia的digits工具操作tensorflow训练网络，必须按照官网的教程要求，cudnn5.1和tensorflow-GPU==1.2.1版本，digits才能自动识别）并解压，打开终端执行以下指令：
$sudo cp cuda/include/cudnn.h /usr/local/cuda/include/ $sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ $sudo chmod a+r /usr/local/cuda/include/cudnn.h $sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
到此cudnn已安装好
第三部分OpenCV3.2.0安装与配置
首先安装必要的库，有的依赖库我是已经安装过的，具体安装的先后关系已经忘了。如果出现有些依赖关系不满足的错误，可以再安装库：
$ sudo apt-get -y remove ffmpeg x264 libx264-dev $sudo apt-get -y install libopencv-devbuild-essential checkinstall cmake pkg-config yasmlibtiff5-dev libjpeg-dev libjasper-devlibavcodec-dev libavformat-dev libswscale-dev libdc1394-22-dev libxine-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev libv4l-dev python-dev python-numpylibtbb-devlibqt4-dev libgtk2.0-devibfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils ffmpeg
$mkdir opencv $cd opencv
建立要编译的build目录，然后进入build目录进行编译：
$ mkdir build $cd build $cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D BUILD_NEW_PYTHON_SUPPORT=ON -D WITH_V4L=ON -D INSTALL_C_EXAMPLES=ON -D INSTALL_PYTHON_EXAMPLES=ON -D BUILD_EXAMPLES=ON -D WITH_QT=ON ..
（如果上面cmake报错，可以用这个：$ cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..）
在configure过程中过程中，可能会出现下面的错误：ICV: Downloading ippicv_linux_20151201.tgz…
在直接下载该文件的过程中，会因为超时而失败，可以下载ippicv_linux_20151201.tgz,并替换掉 opencv-3.2.0/3rdparty/ippicv/downloads/linux-8b449a536a2157bcad08a2b9f266828b下的同名文件，然后再次cmake即可。生成编译文件之后，在opencv-3.2.0/build目录下，终端输入：
$ make -j2 $ sudo make install
安装好以后配置环境变量，使其生效：
$ sudo sh -c 'echo "/usr/local/lib" > /etc/ld.so.conf.d/opencv.conf' $ sudo ldconfig
第四部分Python安装和调试
*第一种如下：
首先通过下面的命令安装pip，pip是Python的一个安装和管理扩展库的工具。
$ sudo apt-get install python-pip
安装完毕之后，请输入ipython命令测试是否能正常启动。为了让IPython notebook工作，还还需要安装tornado和pyzmq：
$ sudo pip install tornadopyzmqpygments $ sudo apt-get install libzmq-dev
使用iPyhthon NoteBook（基于浏览器的Python IDE），特别是适合需要用Python做教程的老师们，可以直接导出.py,.ipynb,html格式，安装步骤如下：
$ sudo apt-get install ipython notebook
启动(自动打开浏览器)：$ ipython nootbook
通过apt-get命令可以快速安装这几个库：
$sudo apt-get install python-numpypython-scipypython-matplotlibpython-qt4qt4-designerpyqt4-dev-toolspython-qt4-docspydercythonswigpython-sklearnpython-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflagsipythonprotobuf-c-compiler protobuf-compiler
*第二种如下（推荐使用这种方法安装，相当于虚拟环境，方便不同版本的项目间相互切换）：
Anaconda请到官网自行下载，cd进入下载文件所在的目录，在命令行输入：
$ bash AnacondaX-XXX-Linux-x86_64.sh
环境变量在安装的时候会自动添加。
下面的指令可以查看python和pip的路径，已经是在anaconda下了
$ which python $ which pip
下面的安装会在anaconda的环境下进行框架搭建。
第五部分 caffe的安装与配置
首先，安装caffe必要的库文件:
$ sudo apt-get update $ sudo apt-get install build-essential cmake git pkg-configlibprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compilerlibgflags-dev libgoogle-glog-dev liblmdb-devpython-dev $ sudo apt-get install --no-install-recommends libboost-all-dev
执行完以上的语句之后，基本的依赖库就安装完成了
为了避免下面编译caffe报错，这一步要将
@H_69_404@libopencv-dev卸载掉，因为已经安装了opencv3.2.0并与之冲突，并且用的是anaconda，卸载指令：
@H_69_404@
$ sudo apt-get autoremove libopencv-dev
到这里建议重启一下电脑，为了将卸载的
@H_69_404@ libopencv-dev缓存清掉
重启后，安装BLAS，使用如下的语句自动安装BLAS（当然，你可以选择其他的库） ，执行：
$ sudo apt-get install libatlas-base-dev
$ cp Makefile.config.example Makefile.config
注释第5行的 USE_CUDNN := 1 去掉注释第21行的 OPENCV_VERSION := 3 在第68行的PYTHON_INCLUDE := /usr/include/python2.7 \ /usr/lib/python2.7/dist-packages/numpy/core/include 在72行的ANACONDA_HOME := $(HOME)/anaconda2 PYTHON_INCLUDE := $(ANACONDA_HOME)/include \ $(ANACONDA_HOME)/include/python2.7 \ $(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include
添加路径
在 INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include 后面添加 /usr/include /usr/include/hdf5/serial 这一行要注释掉 # LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
如果要进行多GPU显卡并行训练网络，可以将第102行# USE_NCCL := 1的注释去掉，并且安装NCCL，这个网上有教程，请自行上网查找
$ make pycaffe -j2
caffe框架到此已安装完毕，尽情看源码吧！
问题一：
在成功编译caffe的源码之后，可以在python环境中使用caffe。
在Ubuntu环境下，打开python解释程序，输入import caffe时：出现以下错误
>>>import caffe Traceback (most recent call last): File "<stdin>",line 1,in <module> ImportError: No module named caffe
解决办法，配置环境变量，终端输入：
$ sudo gedit ~/.bashrc
再在终端输入：
$ source ~/.bashrc
使环境变量生效，即可永久解决该问题
或者到caffe的python目录下执行import caffe即可
@H_69_404@第六部分 digits的安装与配置
安装包自行到官网下载
安装依赖项（sudo命令是将库包安装到系统默认路径下，前面安装了anaconda，所以pip安装到了anaconda的库包目录下了，如果出现了库包冲突请玩家自行解决，比较简单的卸载操作了）
$sudo apt-get install --no-install-recommends git graphviz python-dev python-flask python-flaskext.wtf python-gevent python-h5py python-numpy python-pil python-pip python-scipy python-tk
进入到digits目录下执行下面指令：
$ pip install -r requirements.txt
在digits目录下执行下面指令运行digits服务，在浏览器中输入localhost:5000打开digits首页：
$./digits-devserver
如果出现这个问题：
ImportError: /home/../anaconda2/lib/python2.7/site-packages/zmq/backend/cython/../../../../.././libstdc++.so.6: versionGLIBCXX_3.4.21' not found conda install libgccShould fix this error.
解决方法：
$ conda install libgcc
$ CAFFE_ROOT=/home/用户名/caffe/
更新环境变量：
$ source /etc/profile
$ gedit ~/.bashrc
$ source .bashrc
@H_69_404@更新环境变量
临时设置环境变量，在终端输入下面指令：
$export CAFFE_ROOT=/home/用户名/caffe
digits中caffe是必须要调通的，才能看到tensorflow的
@H_69_404@第七部分 tensorflow的安装与配置
这是digits官网里安装tensorflow的教程https://github.com/NVIDIA/DIGITS/blob/master/docs/BuildTensorflow.md
tensorflow的安装现在特简单了，一句指令搞定（为了用nvidia的digits），安装到了anaconda下了：
$ pip install tensorflow-gpu==1.2.1
V1.2.1这个版本digits会自动识别到的
@H_69_404@第八部分 keras的安装与配置
这是keras官网的安装教程https://github.com/fchollet/keras
keras的安装也很简单，一句搞定，依赖包官网教程有的，下面指令安装到了anaconda下了：
$pip install keras
