来自： http://blog.csdn.net//chenriwei2/article/details/31777307

最近实验室要把一部分方向转为深度学习这一方向，而且电脑也配好了，研一的课程也结束了，赶紧抓紧时间把开发环境给弄好。

============

1. 关于Caffe 

说明：http://caffe.berkeleyvision.org/  这个C++版本的深度学习库，速度快，可以在GPU和CPU版本下跑深度学习代码，在Github上有相应的主页：https://github.com/BVLC/caffe 这个还是挺不错的，在上面讨论挺多，而且开发者也是国人。

2. 安装要求：

这里是开发者给的具体开发步骤：http://caffe.berkeleyvision.org/installation.html 

需要安装的东西还是比较多的，开发者是在Linux下做的，在Github上有人改了在Windows上运行，不过说速度比较慢，而且支持不怎么好，所以，这里我也就选择在Linux上安装，由于自己对Ubuntu本身不是很熟，所以这里就选择相对较为友好的Ubuntu作为开发环境（系统版本选择Ubuntu12.04，之前用wubi装好了14.04发现CUDA还没有官方支持14.04，然后果断选择重新安装12.04版本，免得折腾）。

3. 具体的需要安装的内容:

1. CUDA :不用说，混合异构编程是主流，而且CUDA现在也最为流行，比OpenCL开发者支持要好；

2. MKL：Intel 的矩阵科学计算库，收费的，不过可以去申请免费的。地址：https://registrationcenter.intel.com/RegCenter/NComForm.aspx?ProductID=1461&pass=yes 有一个问题，刚开始几次申请都不成功，然后后面我把国家改为中国香港就ok了。

3. OpenCV.

4. Boost (we have only tested 1.55)

5. glog, gflags, protobuf, leveldb, snappy, hdf5等；

6. Python 或者Matlab的绑定。




3. 详细安装步骤：




1. CUDA 安装，这里我安装的是CUDA6.0版本，参考这是下面这个博客安装成功的。

   http://jingyan.baidu.com/article/e75057f2a95f85ebc81a8944.html 当然其中的也走了一些弯路。

2. MKL安装：

       主要是申请，然后在邮箱里着链接，然后安装，有一个GUI的安装界面，next安装完就是了，对了，其中需要的按张系列号也在邮件上面找。

3.   OpenCV安装：

     网上找了一个shell：https://github.com/jayrambhia/Install-OpenCV 发现在linux下安装好OpenCV也是可以so easy！

4. 一些库安装：

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev

5. 安装glog库，主要提供日志输出功能

wget https://google-glog.googlecode.com/files/glog-0.3.3.tar.gz      tar zxvf glog-0.3.3.tar.gz      ./configure      make && sudo make install

PS：可能最近这段时间，某些国家的google不能使用（，上面的文件自然也不能get，所以可以先在网上下好文件，传送门：http://download.csdn.net/download/chenguangxing3/6661667

1. 修改Makefile.config，把路径都设对。跟自己电脑配置一致。比如我把-gencodearch=compute_30,code=sm_30 （30应该表示为你的GPU的CUDA计算能力）

2. 配置好环境变量

5. 跑代码