Ubuntu14.04+CUDA8.0+Anaconda2+Python2.7下如何编译Caffe

发布时间：2021-11-16 09:38:11 来源：亿速云阅读：160 作者：小新栏目：大数据

# Ubuntu14.04+CUDA8.0+Anaconda2+Python2.7下如何编译Caffe ## 前言 Caffe作为经典的深度学习框架，在计算机视觉领域有着广泛的应用。本文将详细介绍在Ubuntu 14.04系统下，基于CUDA 8.0、Anaconda2（Python 2.7环境）的Caffe编译全流程。整个过程包含环境准备、依赖安装、配置调整和编译测试等关键步骤，适合需要复现传统深度学习实验的研究人员参考。 --- ## 一、系统环境准备 ### 1.1 操作系统确认 ```bash lsb_release -a # 输出应显示Ubuntu 14.04 LTS uname -m # 确认系统架构（建议x86_64）

1.2 显卡驱动安装

查询推荐驱动版本：

ubuntu-drivers devices

安装专有驱动（以NVIDIA-384为例）：

sudo apt-get install nvidia-384 nvidia-settings

1.3 CUDA 8.0安装

wget https://developer.nvidia.com/compute/cuda/8.0/Prod2/local_installers/cuda-repo-ubuntu1404-8-0-local_8.0.61-1_amd64-deb sudo dpkg -i cuda-repo-ubuntu1404-8-0-local_8.0.61-1_amd64-deb sudo apt-get update sudo apt-get install cuda-8-0

环境变量配置（添加到~/.bashrc）：

export PATH=/usr/local/cuda-8.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

验证安装：

nvcc -V # 应显示8.0版本 nvidia-smi # 查看GPU状态

二、Anaconda2环境配置

2.1 安装Anaconda2

wget https://repo.continuum.io/archive/Anaconda2-4.2.0-Linux-x86_64.sh bash Anaconda2-4.2.0-Linux-x86_64.sh

2.2 创建专用环境（可选）

conda create -n caffe_py27 python=2.7 source activate caffe_py27

2.3 安装基础依赖

conda install numpy scipy matplotlib scikit-image pip pip install --upgrade pip

三、Caffe编译准备

3.1 安装系统级依赖

sudo apt-get install -y \ build-essential \ cmake \ git \ libprotobuf-dev \ libleveldb-dev \ libsnappy-dev \ libopencv-dev \ libhdf5-serial-dev \ protobuf-compiler \ libboost-all-dev \ libatlas-base-dev

3.2 获取Caffe源码

git clone https://github.com/BVLC/caffe.git cd caffe git checkout -b v1.0 1.0 # 使用稳定版本

3.3 Python环境配置

conda install -y \ cython \ ipython \ h5py \ pandas \ protobuf pip install python-dateutil --upgrade

四、编译配置调整

4.1 修改Makefile.config

复制模板文件并修改：

cp Makefile.config.example Makefile.config

关键配置项：

USE_CUDNN := 1 CUDA_DIR := /usr/local/cuda-8.0 ANACONDA_HOME := $(HOME)/anaconda2 PYTHON_INCLUDE := $(ANACONDA_HOME)/include \ $(ANACONDA_HOME)/include/python2.7 \ $(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include PYTHON_LIB := $(ANACONDA_HOME)/lib WITH_PYTHON_LAYER := 1

4.2 解决HDF5路径问题

修改include路径：

# 在Makefile.config中添加 INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/include/hdf5/serial LIBRARY_DIRS := $(PYTHON_LIB) /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial

五、编译与测试

5.1 执行编译

make all -j$(nproc) # 使用所有CPU核心 make pycaffe # 编译Python接口 make test make runtest # 运行测试套件

5.2 常见错误解决

CUDA版本不匹配：

sudo rm /usr/local/cuda sudo ln -s /usr/local/cuda-8.0 /usr/local/cuda

ProtoBuffer版本冲突：

conda remove protobuf pip install protobuf==3.1.0

缺少lmdb：
```
sudo apt-get install liblmdb-dev 
```

5.3 验证安装

import caffe print(caffe.__version__) # 应输出1.0.0

六、环境集成

6.1 添加环境变量

在~/.bashrc中添加：

export CAFFE_ROOT=/path/to/caffe export PYTHONPATH=$CAFFE_ROOT/python:$PYTHONPATH

6.2 测试MNIST示例

cd $CAFFE_ROOT ./data/mnist/get_mnist.sh ./examples/mnist/create_mnist.sh ./examples/mnist/train_lenet.sh

七、扩展配置（可选）

7.1 启用CuDNN加速

下载CuDNN v5.1 for CUDA 8.0
解压后复制文件：

tar -xzvf cudnn-8.0-linux-x64-v5.1.tgz sudo cp cuda/include/cudnn.h /usr/local/cuda/include sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64

7.2 OpenCV 3.x支持

conda install -c menpo opencv3 # 修改Makefile.config中OpenCV版本设置

结语

通过上述步骤，我们成功在Ubuntu 14.04上构建了基于CUDA 8.0和Python 2.7的Caffe深度学习环境。需要注意的是，随着软件版本的迭代，部分依赖可能需要调整版本号。建议在安装过程中： 1. 仔细阅读终端错误信息 2. 优先使用conda管理Python依赖 3. 保持各组件版本兼容性

注：本文档最后更新于2023年，部分软件源可能已失效，建议通过官方归档站点获取历史版本安装包。 “`

该文档共约2450字，采用Markdown格式编写，包含： 1. 7个主要章节 2. 20+个可执行的代码块 3. 关键配置项的详细说明 4. 常见问题解决方案 5. 版本兼容性提示

可根据实际环境情况调整具体路径和版本号。建议在干净的conda环境中操作以避免依赖冲突。

向AI问一下细节