caffe是一个简洁高效的深度学习框架，具体介绍可以看这里http://caffe.berkeleyvision.org/，caffe环境配置过程可以参考这里：http://caffe.berkeleyvision.org/installation.html，我在搭建环境时搜集了许多资料,参考安装配置说明http://blog.csdn.net/liuxiabing150/article/details/42503389，里面存在一些问题，现根据安装过程存在问题，整理安装文档资料如下：

1. 安装build-essentials

执行命令:

sudo apt-get install build-essential  

如果出现essential包不可用的情况，可以执行下列命令解决：

  sudo apt-get update  

2. 安装ATLAS for Ubuntu

执行命令:

          sudo apt-get install libatlas-base-dev  

注：ATLAS, MKL,或OpenBLAS都可以，我这里选择安装ATLAS

3. 安装OpenCV

   这个尽量不要手动安装， Github上有人已经写好了完整的安装脚本：https://github.com/jayrambhia/Install-OpenCV下载该脚本，解压命令:

          unzip /home/winsolider/Downloads/Install-OpenCV-master.zip  

    进入解压后的文件中的Ubuntu/2.4 目录, 给所有shell脚本加上可执行权限：

      cd (解压目录)/Install-OpenCV-master/Ubuntu/2.4

        chmod +x *.sh  

      然后安装OpenCV （有多个版本可选），例如安装2.4.9，执行命令：

  sudo ./opencv2_4_9.sh  

4. 安装其他依赖项

      Ubuntu14.04用户执行

    sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler  

  使用其它系统的可以参考官网介绍。

  注：如果上述命令运行时，系统提示“存在依赖关系，不能安装之类的”，可以使用

  sudo apt-get update  

 之后如果还存在问题，可以分开，一个一个单独安装，例如：

sudo apt-get install libprotobuf-dev   

sudo apt-get install libleveldb-dev   

如果还是不能安装，可以在“Ubuntu软件中心-编辑-软件源”中的“更新”中选择前两个，即“重要安全更新”，“推荐更新”，其他都不选，之后在“其它软件”中选择后两个，即两个“独立”，其他都不选，然后运行命令：

sudo apt-get update  

之后再运行安装命令即可安装成功。

5. 安装python

安装pip和python-dev （系统默认有python环境的， 不过我们需要的使python-dev）

   sudo apt-get install python-dev python-pip  

6. 安装matlab

 6.1 下载Matlab：http://pan.baidu.com/s/1pJGF5ov [Matlab2014a（密码：en52）]

6.2 挂载iso（需新建matlab_iso文件夹）：

      $ sudo mount -o loop MATHWORKS_R2014A.iso ～/matlab_iso

6.3 开始安装：

     $ cd ~/matlab_iso

    $ sudo ./install

6.4 选择”install manually without using the internet"项进行安装

6.5 输入"file installation key":12345-67890-12345-67890（随便都行）

6.6 激活：选择”license_405329_R2014a.lic”文件进行激活（在Crack文件夹下面）

6.7 将libmwservices.so复制到/usr/local/MATLAB/R2014a/bin/glnxa64中：

    $ sudo cp libmwservices.so /usr/local/MATLAB/R2014a/bin/glnxa64/  libmwservices.so

6.8 创建matlab启动栏快捷方式：

      打开软件中心，搜索matlab，点击install；

      安装路径填入：

      /usr/local/MATLAB/R2014a

    用户权限不填，表示全部用户可用；gcc不填

7. 编译Caffe

    7.1 下载caffe安装包

          下载地址:https://github.com/BVLC/caffe，解压命令:

  unzip /home/winsolider/Downloads/caffe-master.zip  

           注:如果解压位置出错了,可以使用以下命令删除该目录及所有的子目录:

  sudo rm -rf caffe-master  

    7.2 安装编译caffe python wrapper 所需要的额外包

       （注意：需要先进入caffe解压目录/caffe-master/python/下）

  cd （解压目录）/caffe-master/python

    for req in $(cat requirements.txt); do sudo pip install $req; done  

7.3安装完成后，打开bashrc，添加环境变量PYTHONPATH，相关命令如下所示：

echo $PYTHONPATH  

vi ～/.bashrc  

          打开bashrc之后，在最后一行添加下列语句：

export PYTHONPATH=/home/liuxiabing/caffe-master/python  

          保存并退出之后，执行下列命令使之立即生效：

sudo ldconfig 

  使用下列命令查看当前的PYTHONPATH内容：

echo $PYTHONPATH  

如果PYTHONPATH中是空的，需要在命令行执行一下下列命令：

export PYTHONPATH=/home/Downloads/caffe-master/python 

  7.4 进入caffe根目录， 首先复制一份Makefile.config，命令：

cp Makefile.config.example Makefile.config  

   然后修改里面的内容，主要需要修改的参数包括：

    CPU_ONLY 是否只使用CPU模式，由于我没有NVIDIA的显卡，就没有安装CUDA，因此需要打开这个选项（即把前面的#去掉）。
    其余的一些配置可以根据需要修改：
    BLAS (使用intel mkl还是OpenBLAS，默认是atlas，如果安装的是atlas，就不用修改了)
    MATLAB_DIR 如果需要使用MATLAB wrapper的同学需要指定matlab的安装路径, 如我的路径为 /usr/local/MATLAB/R2014a (注意该目录下需要包含bin文件夹，bin文件夹里应该包含mex二进制程序)

    我的MATLAB_DIR修改完是这样的：

MATLAB_DIR := /usr/local/MATLAB/R2014a  

# MATLAB_DIR := /Applications/MATLAB_R2012b.app  

    关于python的配置，我没有修改，直接使用默认的就行了。

    DEBUG 是否使用debug模式，打开此选项则可以在eclipse或者NSight中debug程序

注：在Makefile.config中，"#"表示注释

    完成上述设置后，开始编译（编译也是在/caffe-master目录下进行的）：  

make all -j4  

make test  

make runtest  

   注意：-j4 是指使用几个线程来同时编译，可以加快速度，j后面的数字可以根据CPU core的个数来决定，如果CPU是4核的，则参数为-j4，也可以不添加这个参数，直接使用“make all”，这样速度可能会慢一点儿。

   注：如果编译后出错了，修改完配置文件Makefile.config后重新编译，会提示“make 没有什么可编译的了”，可以试试这个方法：先运行命令

make clean  

   之后再运行命令：

make all  

make test  

make runtest  

8.编译matlab wrapper

在根目录下（/caffe-master）执行命令：

make matcaffe  

9.编译python wrapper

在根目录下（/caffe-master）执行命令：

make pycaffe  

10.使用MNIST数据集进行测试

    Caffe默认情况会安装在$CAFFE_ROOT，就是解压到的那个目录，例如：$ 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

    可以用下载好的数据集，也可以重新下载，直接下载的具体操作如下：

$ cd data/mnist  

$ sudo sh ./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，执行命令如下： 

$ 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
      如果没有GPU,只有CPU的话,需要先修改examples/mnist目录下lenet_solver.prototxt文件,将solver_mode:GPU改为      solver_mode:CPU，修改后结果如下所示：

# solver mode: CPU or GPU  

solver_mode: CPU  

    修改时可以使用vi编辑命令(ubuntu14.0.4下也可以直接双击打开，修改后保存即可)，如果是只读文件，不能编辑，可以用sudo命令，比如:

sudo vi lenet_solver.prototxt  

     先进入命令模式，使用a进入编辑模式，修改完之后，使用esc退出编辑模式，进入末行模式，再使用“:wq”保存修改并退出(“:q!”为退出但不保存修改)
   修改完成后，再在根目录下(即/caffe-master目录)执行下面的命令进行训练:

$ sudo sh ./examples/mnist/train_lenet.sh  

     最终训练完的模型存储为一个二进制的protobuf文件，至此，Caffe安装测试的所有步骤完结。