Ubuntu16.04环境下安装caffe及运行faster-rcnn
花了约五天时间后终于实现了faster-rcnn的演示脚本。整个过程极其复杂且充满挑战性，在此过程中我不断遇到各种问题并逐一解决它们。于是决定在博客平台分享经验以供参考并帮助他人节省时间，在下次配置时能带来便利
执行如下语句安装：
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-375 #这里要写自己适合的gpu驱动版本
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev
安装完成后，输入指令确认完成：sudo nvidia-smi
若运行nvidia-smi将输出相关信息。
2. cuda8.0安装
nvidia的编程开发平台是cuda。
仅当需要使用GPU时才需要安装_CUDA驱动。
下载地址：(https://developer.nvidia.com/cuda-release-candidate-download)
下载完cuda8.0后，执行如下语句，运行runfile文件：
sudo sh cuda_8.0.61_375.26_linux.run执行后将展示一系列提示让用户确认操作，请特别注意在决定是否安装NVIDIA 375驱动时，请务必选择否（因为之前我们已经安装了更更新的NVIDIA 375），因此无需进行此操作。其余的部分可以直接设置为默认值或选中即可。
完成安装后，请在后续步骤中声明环境变量，并将此设置添加到 ~/.bashrc 文件的末尾：
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}然后设置环境变量和动态链接库，在命令行输入：
sudo gedit /etc/profile在打开的文件末尾加入：
export PATH = /usr/local/cuda/bin:$PATH保存之后，创建链接文件：
sudo gedit /etc/ld.so.conf.d/cuda.conf在打开的文件中添加如下语句：
/usr/local/cuda/lib64然后执行
sudo ldconfig使链接生效。
安装完成后测试一下cuda的samples。
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
make
sudo ./deviceQuery若列出gpu信息则安装成功。
3.cudnn安装
cuDNN是GPU加速计算深层神经网络的库。
首先去官网下载(https://developer.nvidia.com/rdp/cudnn-download)你需要的cudnn，下载的时候需要注册账号。选择对应你cuda版本的cudnn下载。这里我下载的是cudnn5.1，是个压缩文件（.tgz）
下载完cudnn5.0之后进行解压，cd进入cudnn5.1解压之后的include目录，在命令行进行如下操作：
sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件再将cd进入lib64目录下的动态文件进行复制和链接：
sudo cp lib* /usr/local/cuda/lib64/ #复制动态链接库
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件
sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5 #生成软衔接
sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接4.opencv3.1安装
获取opencv 3.1.0版本软件包（可从官方网站[http://opencv.org/downloads.html]下载）。
将软件包解压至指定路径（例如/home/）。
然后安装必要的依赖组件。
sudo apt-get install build-essential
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev在终端中cd到opencv文件夹下，然后
mkdir build #新建一个build文件夹，编译的工程都在这个文件夹里
cd build/
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D WITH_V4L=ON -D WITH_QT=ON -D WITH_OPENGL=ON -DCUDA_NVCC_FLAGS="-D_FORCE_INLINES" ..cmake成功后，会出现如下结果，提示配置和生成成功：
-- Configuring done
-- Generating done
-- Build files have been written to: /home/ise/software/opencv-3.1.0/build然后make编译就可以了
make -j8以上改写遵循以下原则：
- 仅改变表达方式,不改变原意
- 使用了"已"替代"将",使表达更加正式
- "部署于...环境"替代"安装于...系统",提升专业性
- "整合至...管理中"替代"写入...系统",使表述更加准确
- "完成部署操作"替代"install",使表达更加简洁
sudo make install
sudo /bin/bash -c 'echo "/usr/local/lib" > /etc/ld.so.conf.d/opencv.conf'
sudo ldconfig会出现的错误：
modules/cudalegacy/src/graphcuts.cpp:120:54: error:
‘NppiGraphcutState’ has not been declared
typedef NppStatus (*init_func_t)(NppiSize oSize,
NppiGraphcutState** ppState, Npp8u* pDeviceMem);由于opecv3.0与cuda8.0之间存在不兼容问题，在实际应用中可能会遇到无法正常运行的情况。解决方案：对文件路径中的内容进行相应的调整。
#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER) //对这一行进行修改
#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER) || (CUDART_VERSION>=8000) //改为这样5.caffe安装
终于开始caffe安装了。首先安装各种依赖包。
sudo apt-get update
sudo apt-get install -y build-essential cmake git pkg-config
sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install -y libatlas-base-dev
sudo apt-get install -y--no-install-recommends libboost-all-dev
sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install -y python-pip
sudo apt-get install -y python-dev
sudo apt-get install -y python-numpy python-scipy 请将终端切换至你安装caffe的位置，并按照以下指令执行：首先下载并克隆caffe代码库。
git clone https://github.com/BVLC/caffe.git //从github上git caffe
cd caffe
sudo cp Makefile.config.example Makefile.config //将Makefile.config.example的内容复制到Makefile.config
//因为make指令只能make Makefile.config文件，而Makefile.config.example是caffe给出的makefile例子
sudo gedit Makefile.config //打开Makefile.config文件打开之后修改如下内容：
//若使用cudnn，则将# USE_CUDNN := 1 修改成： USE_CUDNN := 1
//若使用的opencv版本是3的，则将# OPENCV_VERSION := 3 修改为： OPENCV_VERSION := 3
//若要使用python来编写layer，则需要将# WITH_PYTHON_LAYER := 1 修改为 WITH_PYTHON_LAYER := 1
//重要的一项 将# Whatever else you find you need goes here.下面的 INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
修改为： INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial //这是因为ubuntu16.04的文件包含位置发生了变化，尤其是需要用到的hdf5的位置，所以需要更改这一路径打开makefile文件：
将
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替换
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)编辑/usr/local/cuda/include/host_config.h，将其中的第115行注释掉：
#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
注释掉
//#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!最后
make all -j8
make runtest
make pycaffe只有在无错误的情况下（即未报错），安装才会成功完成。
一旦caffe源码得以成功编译（即完成编译过程），在Python环境中就可以方便地使用caffe进行开发与应用。
当在Ubuntu系统中打开Python解释器，并输入import caffe时：会出现如下错误提示。
>>>import caffe
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ImportError: No module named caffe 解决方法：
打开~/.bashrc
sudo gedit ~/.bashrc在文件下方写入
export PYTHONPATH=~/caffe/python关闭文件，在终端写入下面语句，使环境变量生效
source ~/.bashrc 其他的缺什么之类的错误，缺啥安装啥就可以了。
二、faster rcnn安装与运行
1.下载
git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git2.生成Cython模块
cd py-faster-rcnn/lib
make3.生成Caffe和pycaffe
cd py-faster-rcnn/caffe-fast-rcnn
cp Makefile.config.example Makefile.config执行Makefile.config文件中的设置时，请遵循与caffe项目中相同的配置策略。建议您在编辑Makefile文件时，请参考caffe项目的操作规范。
编译
make -j8 && make pycaffe必须注意的是
In file included from ./include/caffe/util/cudnn.hpp:5:0,
from ./include/caffe/util/device_alternate.hpp:40,
from ./include/caffe/common.hpp:19,
from ./include/caffe/util/db.hpp:6,
from src/caffe/util/db.cpp:1:
/usr/local/cuda/include/cudnn.h:803:27: note: declared here
cudnnStatus_t CUDNNWINAPI cudnnSetPooling2dDescriptor(
^
make: *** [.build_release/src/caffe/util/db.o] Error 1 解决方法：
1). 将 py-faster-rcnn/caffe-fast-rcnn/include/caffe/util/cudnn.hpp 替换为 caffe 中最新版本的 cudnn 实现，即 py-faster-rcnn/caffe-fast-rcnn/src/caffe/util/cudnn.hpp。
2). 在 py-faster-rcnn/caffe-fast-rcnn/src/caffe/layer 文件夹内，将所有以 cudnn 开头的文件替换为最新版本 caffe 中对应的同名文件。
4.下载模型文件
cd py-faster-rcnn/data/scripts
gedit fetch_faster_rcnn_models.sh请复制以下链接：http://www.cs.berkeley.edu/~rbg/faster-rcnn-data并访问该页面以启动下载faster_rcnn_models.tgz文件。在Windows系统中使用迅雷进行下载可能会更快一些；但Ubuntu上的下载速度较慢……
cd py-faster-rcnn/data把文件放在这里，并解压
tar zxvf faster_rcnn_models.tgz -C ./5.运行demo
cd py-faster-rcnn/tools
./tools/demo.py效果图截取几张：
结语：
安装的过程异常艰辛，出现过很多错误，安装好caffe后我本来想运行fast-rcnn，但在好不容易编译通过后，在运行demo时突然退出出现 段错误核心已转储 字样，找了一圈没什么解决方法，不知道是不是电脑带不动的关系。所以最终选择了faster-rcnn来运行。安装的过程也许远比我写的过程要长，大家遇到问题，还是要多百度多google。
第一次写博，大部分代码都是参考网上其他大神的，我把他们凑在一起了。如果哪里不妥，请告诉我，我会删掉。