Caffe安装流程
本文详细介绍了一名计算机小白心酸的Caffe安装旅程。
1.1.Vmware虚拟机
这里使用的是Vmware Workstation 12.5.2 for Windows，具体的下载地址为：
http://rj.baidu.com/soft/detail/13808.html?ald
注意：点击普通下载，如果点击高速下载会下载一堆百度助手的软件
1.2.Ubuntu的ISO镜像
这里使用的镜像文件为ubuntu-16.04.2-desktop-amd64.iso，为64位的操作系统版本，具体下载地址为：
https://www.ubuntu.com/download/desktop
如下图所示：
2.安装Ubuntu系统
2.1.安装Vmware软件
点击下载好的软件，点击安装
点击下一步安装
选择接受协议，点击下一步
更改安装位置到D盘，只需要将C更改为D，若你只有一个盘，就不需要更改了，若你觉得你的C盘很大，也可以不用改了…...关键开心就好。
点击下一步
选择启动时不检查产品更新，也不帮助完善了，然后点击下一步
然后继续点击下一步
点击安装，安装完成
选择输入产品许可证，输入如下字符：
5A02H-AU243-TZJ49-GTC7K-3C61N
复制，粘贴即可
2.2.创建Vmware中的虚拟系统并设置Ubuntu的ISO镜像路径
1.点击右键，管理员权限运行vmware，vmware打开如下：
2.点击创建新的虚拟机，选择典型方式安装，如下图所示：
3.点击下一步，进入下一个界面，如下图所示：
4.此处更改安装程序光盘映像文件，选择我们要安装的那个ubuntu映像文件
5.然后点击下一步
设置ubuntu的用户名和登录密码，如下图所示（用户名只包含小写字母、数字和破折
号），然后点击下一步。
6.修改虚拟机的名字为自己喜欢的名字，更改虚拟机安装路径为自己可以找见的路径，此处我将路径修改为D盘目录下的MyVmware下，然后点击下一步。
7.修改最大磁盘大小，意味着分配多大磁盘给虚拟机，为了使用方便，我在此分配了30G，够用，选择将磁盘拆分成多个文件，如下图所示：然后点击下一步。
8.点击自定义硬件
将默认内存1024M修改成2048M（这个内存大小依照电脑内存大小而定，我的内存是8G的，所以分配给虚拟机2G是没有压力的）
点击关闭按钮，回到上一层：
9.取消创建后开启此虚拟机，点击完成，完成虚拟机的创建
1.点击开启此虚拟机
2.等待开启
3.开启结束
3.安装Caffe
在虚拟机上装好Ubuntu后，打开刚刚新建的虚拟机，通过Search your computer搜索Terminal并进入该页面（或者使用快捷键：Ctrl+Alt+T；打开终端），如下图所示：
然后根据Caffe给出的安装教程在该页面进行安装。
1.网页搜索Caffe官网并点击进入。
官网如下：http://caffe.berkeleyvision.org/
2.从文件（Documentation）中选择安装介绍（Installation instructions）
进入之后出现如下页面：
选择Ubuntu installation the standard platform,
进入如下页面：
3.根据官网给出的介绍，在ubuntu的终端上输入如下命令，安装caffe需要的依赖包
本次老师介绍的安装方式没有使用GPU来进行渲染，所以对应的NVIDIA相应的驱动和依赖都没有安装。以下caffe的安装是基于CPU来处理的。
根据官网的介绍，对应不同版本的Ubuntu，安装的方式也会不同。以下的安装依赖是基于ubuntu16.04安装的。
安装基本依赖
$ sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
$ sudo apt-get install --no-install-recommends libboost-all-dev
$ sudo apt-get install libatlas-base-dev
$ sudo apt-get install libhdf5-serial-dev
l安装ATLAS，输入如下命令
$ sudo apt-get installlibatlas-base-dev
安装剩余依赖
$ sudo apt-get installlibgflags-dev libgoogle-glog-dev liblmdb-dev
下载Caffe
Caffe框架是一个开源项目，在github官网中找见，具体网址如下：
项目截图如下所示：
在终端中输入命令，将caffe克隆到本地文件夹中
$ sudo apt-get install git
$ git clone https://github.com/BVLC/caffe.git
l修改Makefile.conf文件
$ cd caffe
$ cpMakefile.config.example Makefile.config
$ geditMakefile.config
通过gedit打开Makefile.conf文件，找到：
#CPU_ONLY:=1
将其修改成
CPU_ONLY:=1
找到：
#USE_OPENCV := 0
#USE_LEVELDB := 0
#USE_LMDB := 0
修改为：
USE_OPENCV := 1
USE_LEVELDB := 1
USE_LMDB := 1
找到：
# Whatever else you find you need goes here.
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
修改为：（注意，这里用的Ubuntu系统为64位的，所以目录为x86_64-linux-gnu；若为32位的，则目录为i386-linux-gnu）
# Whatever else you find you need goes here.
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/hdf5/serial
l开始编译和安装caffe到系统中
$ make all
$ make test
$ make runtest
4.运行Caffe实例
在这里测试数据，采用的是MNIST数据。
lMNIST数据介绍：MNIST数据集是一个手写体数据集，如下就是MNIST数据
下载MNIST数据库并解压缩
进入caffe目录下，然后下载MNIST数据库和解压缩
$ cd ~/caffe
$./data/mnist/get_mnist.sh
执行完成之后，效果如下图：
将MNIST数据集转换成Lmdb数据库格式
执行如下命令：
$./examples/mnist/create_mnist.sh
效果如下图所示：
也可以直接将下载好的数据文件mnist_train_lmdb与mnist_test_lmdb复制粘贴到Home/caffe/data/mnist。
更改mnist案例默认使用GPU训练方式，更改为CPU
编辑文件：gedit examples/mnist/lenet_solver.prototxt
找到：
solver_mode: GPU
更改为:
solver_mode: CPU
训练网络，得到训练精度
执行如下命令：
$./examples/mnist/train_lenet.sh
得到损失和训练精度如下所示：
得到精度为:0.991
损失为:0.027
精度已经相当不错。
对于这个例子，只需要两个文件就可以运行：
1.Home/caffe/examples/mnist/lenet_train_test.prototxt
我们要求解问题所需要的模型、网络，分类的话用这个就可以，最开始手写数字识别就是用这个做分类的，在使用时可能需要修改它的路径。
2.Home/caffe/examples/mnist/lenet_solver.prototxt
将要修改的网络写入，可以修改里面的参数，比如每训练多少次做一次测试、学习率、模型的最大训练次数等。
用户名密码修改：
如果觉得Caffe安装起来比较麻烦，也可以直接拷贝别人已经安装好的镜像文件，此时可能需要修改一下个人用户名与密码，修改方式参照下图：
