1. Ubuntu访问U盘

在Ubuntu下，如果U盘自动被挂载了，应该在/media/你的用户名/disk

2. 使用U盘安装Ubuntu14.04

怎样制作ubuntu安装u盘

3. Ubuntu14.04鼠标闪烁问题

Ubuntu14.04及以上操作系统鼠标闪烁问题

4. 安装CUDA Toolkit

4.1 下载cuda及安装指南

1）下载官方安装指南，后面的安装按照《NVIDIA CUDA INSTALLATION GUIDE FOR LINUX》进行即可。

2）CUDA Toolkit功能如下图所示：

具体包括以下内容：

- CUDA driver

- Tools needed to create,build and runa CUDA application

- Libraries,header files,CUDA samples source code,andother resources

3）下载CUDA Toolkit 7.5 （注：安装CUDA时，将一起安装CUDA Toolkit和显卡Driver）

4.2 安装前工作

1）CUDA 7.5需要的支持环境如下表所示，后面的检查按此表进行

2）确认有支持CUDA的GPU

$ lspci | grep -i nvidia

3）确认Linux系统满足CUDA7.5要求的环境，具体要求见上表

$ uname -m && cat /etc/*release

4）确认gcc版本满足上表要求

$ gcc --version

5）确认系统安装了正确的Kernel Headers和开发包

$ uname -r
    $ sudo apt-get install linux-headers-$(uname -r)

4.3 安装

1）选择安装方法

- Distribution-specific packages （官方建议）

它与本地包管理系统接口

- Distribution-independent package (本文采用，下载deb包)

其优点是可以安装在大部分Linux系统上，但不更新本地包管理系统

2）如果以前安装过别的版本的CUDA Toolkit，在新安装之前，把它卸载掉

$ sudo apt-get --purge remove <package_name> # Ubuntu uninstall RPM/Deb installation

3）Install repository Meta-data

$ sudo dpkg -i cuda-repo-<distro>_<version>_<architecture>.deb

4）Update the Apt repository cache

$sudo apt-get update

5）Install CUDA

$sudo apt-get install cuda

4.4 安装后工作

4.4.1 必做操作

1）设置环境变量（在~/.bashrc中添加如下内容）

$ export PATH=/usr/local/cuda-7.5/bin:$PATH
    $ export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH

设置完成之后，就可以运行nvcc了，因为它位置/usr/local/cuda-7.5/bin目录下

或相关路径增加到/etc/environment中，对所有用户有效

PATH="/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/games:/usr/local/games:/usr/local/cuda-7.5/bin"
LD_LIBRARY_PATH="/usr/local/cuda-7.5/lib64"

4.4.2 推荐操作

这些操作用于验证安装的完整性

1）安装例子程序

$ cuda-install-samples-7.5.sh <dir>  # dir with write permissions

2）确认Driver版本

$cat /proc/driver/nvidia/version

3）编译例子程序

- nvcc -V #可以验证CUDA Toolkit是否已经安装好

- nvcc用于编译CUDA程序，它调用gcc编译器编译C代码，调用NVIDIA PTX编译器编译CUDA代码

- 进入NVIDIA_CUDA-7.5_Samples目录，然后执行make，即可编译例子程序，生成的文件位于NVIDIA_CUDA-7.5_Samples/bin目录下

4）运行例子程序

$./deviceQuery

5. 安装常用工具包

5.1 安装ssh server

$sudo apt-get install openssh-server

$sudo ps -e | grep -i sshd    # check ssh service startup
    $sudo service ssh start       # startup ssh service

5.2 安装配置Samba

1）安装Samba

$sudo apt-get install samba samba-common

2）配置Samba

参考：ubuntu14.04如何搭建samba服务器登录home目录

在root账户下执行：gedit /etc/samba/smb.conf，按下图修改：

3）重启服务

#service smbd restart 
    #service nmbd restart

4）为已有账户增加密码(如:用记名为steve)

#smbpasswd -a steve （设密码为123456）
5）Windows可通过以下方式进行访问

路径：\\ip\steve

用户名：steve
密码：123456

6）若访问时出现错误“指定的网络名不再可用”

- 查看/var/log/samba/log.{计算机名} - 计算机名是你的windows主机名称

- 若错误中含有“ ../source3/lib/popt_common.c:68(popt_s3_talloc_log_fn)”

- 重新安装以下包，原来的包版本不兼容

$apt-get install --reinstall libsmbclient libsmbclient-dev libtevent0 libtalloc2

5.3Ubuntu下面安装gmake

gmake就是GNU make，在Ubuntu环境下，执行如下命令即可

$sudo ln -s /usr/bin/make /usr/bin/gmake

5.4配置TBB

TBB:Intel Threading Building Blocks

1）下载源码包：https://www.threadingbuildingblocks.org/download
比如我下载的包名为：tbb44_20160526oss_src_0.tgz
2）把tbb44_20160526oss_src_0.tgz 拷贝到/opt/tbb目录下
其它的参考：Linux环境下配置Google Test、TBB、OpenMP和OpenCV

#cd /opt/tbb
    #tar zxvf tbb44_20160526oss_src_0.tgz
    #cd tbb44_20160526oss
    #make

上面的操作之所以放在/opt下面，是因为想把TBB装在/opt/tbb目录下，然后用环境变量的方式让编译器找到这个位置，这是TBB推荐的做法。以上这些步骤完成之后，会在tbb44_20160526oss目录下产生build目录，里面是编译出来的结果，然后：

#cd build

看到里面有两个目录：linux_intel64_gcc_cc4.8_libc2.19_kernel4.2.0_debug和linux_intel64_gcc_cc4.8_libc2.19_kernel4.2.0_release，分别是debug和release版本。如何让编译器找到这个位置呢？推荐的做法是在~/.bashrc中添加这么几行：
如果使用release版本：

source /opt/tbb/tbb44_20160526oss/build/linux_intel64_gcc_cc4.8_libc2.19_kernel4.2.0_release/tbbvars.sh
 export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib

如果使用debug版本：

source /opt/tbb/tbb44_20160526oss/build/linux_intel64_gcc_cc4.8_libc2.19_kernel4.2.0_debug/tbbvars.sh
 export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib

关键在于tbbvars.sh，里面其实就是设置环境变量的过程，包括CPATH、LIBRARY_PATH和LD_LIBRARY_PATH，但是这个脚本直接将这三个环境变量设置为tbb的编译目录，而不是添加到当前的环境变量之后，所以需要注意一下。

5.5 安装Python接口

安装Python接口

5.6 安装OpenCV

参见“Ubuntu14.04 安装配置Opencv3.0和Python2.7”

6. 安装cuDNN

cuDNN：CUDA® Deep Neural Network library (cuDNN)

注意： cuDNN V3.0与V5.0的接口是不兼容的，若需运行别人的代码，需要先看看代码需要哪个版本的cuDNN，然后根据GPU和CUDA的环境进行选择哪个cuDNN 。

cuDNN是一个使用GPU对深度神经网络进行加速的原语库，它为一些标准例程（如：forward,backward,convolution,pooling,normalization and activation layers）提供了高度优化的实现，它是NVIDIA Deep Learning SDK的一部分。

1）下载 cuDNN

2）安装cuDNN

把下载好的cudnn-7.5-linux-x64-v5.0-ga.tgz 拷贝到/opt/cudnn目录下

$sudo tar zxvf cudnn-7.5-linux-x64-v5.0-ga.tgz
    $cd /opt/cudnn/cuda/include
    $sudo cp * /usr/local/cuda/include
    $cd /opt/cudnn/cuda/lib64
    $sudo cp * /usr/local/cuda/lib64

7. 安装Caffe编译环境

7.1 安装依赖包

$sudo apt-get install libatlas-base-dev
    $sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev
    $sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler
    $sudo apt-get install python-dev python-numpy python-scipy python-matplotlib

7.2 安装Caffe

$git clone https://github.com/BVLC/caffe.git
    $cd caffe
    $cp Makefile.config.example Makefile.config

7.3 编译Caffe

$make all
   $make pycaffe

7.4 测试Caffe

$make test
   $make runtest

7.5 跑一下mnist

$cd caffe
   $sh data/mnist/get_mnist.sh
   $sh examples/mnist/create_mnist.sh
   $vi examples/mnist/lenet_solver.prototxt # 如果没有GPU,修改solver_mode为 cpu
   $./examples/mnist/train_lenet.sh

Ubuntu 14.04 for Caffe 环境搭建