一.安装build-essentials
1.基本库安装<pre name="code" class="html"><span style="font-family: Arial, Helvetica, sans-serif;">sudo apt-get install libprotobuf-devlibleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev</span>
2.其他库安装
# glogwgethttps://google-glog.googlecode.com/files/glog-0.3.3.tar.gztar zxvf glog-0.3.3.tar.gzcd glog-0.3.3./configuremake && make install<pre name="code" class="html"># gflagswgethttps://github.com/schuhschuh/gflags/archive/master.zipunzip master.zipcd gflags-mastermkdir build && cd buildexport CXXFLAGS="-fPIC"&& cmake .. && make VERBOSE=1make && make install
<pre name="code" class="html"># lmdb#git clone git://gitorious.org/mdb/mdb.git（注：git clone时出错，因此换为下面方式获取）wgethttps://github.com/wizawu/lmdb/archive/lmdb.master.zipunziplmdb.master.zipcd lmdb.master/libraries/liblmdbmake && make install
注： 安装完成后需要为lmdb添加library路径
1.sudo gedit/etc/ld.so.conf.d/lmdb.conf
2.在文件中添加内容
/usr/local/lib
3.完成lib文件的链接操作，执行：
sudo ldconfig -v
二.安装NVIDIA驱动 (3.4.0)和CUDA 5.5
请按照我的博客《Ubuntu12.04 安装 cuda5.5》安装
三.安装Intel MKL
1.安装BLAS，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，下载地址，可以下载Student版的，先申请，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。下载完之后，要把文件解压到它是保存在home/username
接下来是安装过程，先授权，然后安装：
$ tar zxvfcpp_studio_xe_2013_sp1_update3.tar.gz （如果你是直接拷贝压缩文件过来的）$ chmod a+x/home/username/cpp_studio_xe_2013_sp1_update3 -R$ sudo ./install_GUI.sh
安装的时候，可以安装到root权限下，或者sudo权限，我是装在root权限下，避免麻烦，这时就必须确保已经为root设置过密码了，然后会让你输入你申请的时候发给你的序列号。没设置的话，执行：
$ sudo passwd root
2.MKL与CUDA的环境设置
进行如下操作
1. 新建intel_mkl.conf，使用如下命令：
$sudo gedit/etc/ld.so.conf.d/intel_mkl.conf
添加如下内容并保存
/opt/intel/lib/intel64
/opt/intel/mkl/lib/intel64
2. 新建cuda.conf，使用如下命令：：
$sudo gedit /etc/ld.so.conf.d/cuda.conf
添加如下内容并保存
/usr/local/cuda/lib64
/lib
3. 完成lib文件的链接操作，执行：
<pre name="code" class="html">$<span style="font-family: Arial, Helvetica, sans-serif;"> sudo ldconfig -v</span>
四.安装OpenCV
使用Github上写好的完整的安装脚本：下载地址
下载该脚本，进入Ubuntu/2.4 目录
然后安装最新版本（当前为2.4.9）
sudo ./opencv2_4_9.sh
脚本会自动安装依赖项，下载安装包，编译并安装OpenCV。整个过程会比较漫长。
五.安装Caffe所需要的Python环境
见我的博客《Ubantu 12.04 安装theano +pylean2》
六.编译Caffe
1. 切换到Caffe的下载文件夹，然后执行：
$ cp Makefile.config.exampleMakefile.config
注：修改新生成的Makefile.config文件，修改“BLAS := mkl”，这个非常重要。
$ make all$ make test$ make runtest
我这步遇到一个问题是关于compute_50，只需注释掉Makefile.config中的compute_50部分，如下所示，出现这个错误的原因是CUDA5.5不支持compute_50
CUDA_ARCH := -gencodearch=compute_20,code=sm_20 \
-gencode arch=compute_20,code=sm_21 \
-gencode arch=compute_30,code=sm_30 \
-gencode arch=compute_35,code=sm_35 \
#-gencode arch=compute_50,code=sm_50 \
#-gencode arch=compute_50,code=compute_50
七.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
1. 数据预处理
可以用下载好的数据集，也可以重新下载，我网速快，，这里就偷懒直接下载了，具体操作如下：
<pre name="code" class="html">$ sudo sh data/mnist/ ./get_mnist.sh
2. 重建LDB文件，就是处理二进制数据集为Caffe识别的数据集，以后所有的数据，包括jpe文件都要处理成这个格式
$ sudo sh examples/mnist/./create_mnist.sh
生成mnist-train-leveldb/ 和 mnist-test-leveldb/文件夹，这里包含了LDB格式的数据集
3. 训练mnist
$ sudo sh examples/mnist/ ./train_lenet.sh
注意：新版的caffe必须在主目录下进行操作
引用：
[1].
[2].
[3].
莫找借口失败，只找理由成功。(不为失败找理由，要为成功找方法)
