最近开始配置自己的深度学习主机，由于之前只在笔记本上和单显卡主机上安装过，所以可以说是zero经验，以至于很多问题不了解都当成了bug，故为了方便以后的自己以及大众，特在此写下post一篇。（由于可能会有很多的问题我没有遇到但各位可能遇到，故在文末贴出其他的安装链接，请自取）
~~~~~~~~~~~~~~~~~~~~华丽丽分割线~~~~~~~~~~~~~~~~~~~~
一、ubuntu16.04安装
1.首先当然是系统盘的制作，这个不作赘言，一般使用 UltraISO，具体度娘会告诉你；
2.紧接着就是安装，如何安装，如何分区，度娘也会一一告知，此处就说几个不同之处：
1）首先，带有独立显卡的主机，通常有独显输出和集显输出两种端口，而独显是需要安装驱动才可以使用的，所以最初装系统的时候需要使用集显输出的端口，否则你可能完全进不去安装界面；
2）其次，在BOOT界面选择启动项的时候，对U盘启动会出现两个选项，第一个带有前缀UEFI，另一个这没有。这是因为现在的主板驱动一般有 BIOS 和 UEFI 两种，虽说 UEFI 是BIOS 的继任者，但 BIOS 才用起来 更加顺手。更重要的是在用UEFI模式进行ubuntu16.04安装的时候，在安装后期会出现bug中断，具体什么不记得了，与grub有关，会导致系统无法启动，而这与UEFI有莫大的关系，所以安全起见，选后不带UEFI前缀的，也就是BIOS模式进行系统安装；
3）ubuntu16.04 安装好之后，启动可能会出现 grub rescue 故障，找不到 normal.mod，这可以通过我的另一篇 post 解决，附上解救指南：ubuntu系统下grub rescue故障恢复
3.至此，ubuntu16.04 算是安装完毕，第一次撒花o(∩_∩)o
注：需要注意的是，目前我们也一直在使用集成显卡输出！且直到安装好nvidia驱动重启都要一直使用集成显卡输出！！！
二、各种依赖环境安装：
sudo apt-get update sudo apt-get upgrade 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 # (Python general) sudo apt-get install -y python-pip # (Python 2.7 development files) sudo apt-get install -y python-dev sudo apt-get install -y python-numpy python-scipy # (or,Python 3.5 development files) sudo apt-get install -y python3-dev sudo apt-get install -y python3-numpy python3-scipy # (OpenCV 2.4) sudo apt-get install -y libopencv-dev (or,OpenCV 3.X - see other blogs in the end of the post)
以上是caffe官方安装指南的内容，亲测好用无疑，其实文末的caffe官方安装指南还是很不多错的指南，只是在nvidia驱动、cuda、cudnn、open3.x方面很不足（貌似这些都是重点内容，结果都被caffe官方文档屏蔽了，手动滑稽(*^__^*) ）
注：在upgrade时，可能会提起缺少fireware，这个不是大问题，直接上网下载相应版本的固件安装即可
三、Nvidia驱动+cuda安装
写在安装前：
1）其实在cuda的安装中会涉及到nvidia驱动的安装，但是屡次尝试，总是会出现kernel souce的error，所以，还是提前安装为好。
2）安装nvidia驱动需要在命令行模式下，但有时可能会出现无法进入命令行或者进入命令行黑屏及显示nouveau相关的error提示，这是可通过以下的改动进行修复，重启后可能会出现屏幕显示非常延迟卡顿的现象，这正常，因为我们把显示驱动修改了。不过建议把需要的nvidia驱动、cuda和cudnn都下载好后再进行处理，否则如此卡顿会很忧伤的o(∩_∩)o
sudo gedit /etc/default/grub # set GRUB_CMDLINE_LINUX_DEFAULT = "quiet splash nomodeset" sudo update-grub sudo reboot1.下载需要的nvidia驱动程序（下载最新的即可），附上飞行链接：NVIDIA驱动程序下载
2.下载需要的cuda程序，下载runfile版本的，同样附上飞行链接：CUDA下载
2.卸载之前安装的nvidia驱动程序，新安装的系统不需要的这一步，但依旧写在此以告后人，因为nvidia驱动重复安装会出现循环登录无法进入系统的问题，或者反过来说，循环登录无法进入系统一般都是由于显卡驱动出现问题导致的，卸载后重新安装即可（如何卸载重装）：
sudo apt-get remove –purge nvidia*3.禁用nouveau，其实这一步可能并不需要，因为在厂商安装的原始系统中并没有相关文件，我想可能是因为我们的集成显卡和独立显卡分别有各自的输出端口，可以自主插拔选择显示使用的显卡，而在笔记本等上面，两种显卡是同时连接的，故需要进行禁用：
sudo gedit /etc/modprobe.d/blacklist-nouveau.conf
# add blacklist nouveau option nouveau modeset=0
sudo update-initramfs -u
再配置环境
sudo gedit ~/.bashrc
# add the following two lines
export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
source ~/.bashrc
4.开始正式安装驱动
1）进入命令行模式（Ctrl+Alt+F1），并关闭桌面
sudo service lightdm stop2) 进入驱动文件所在目录，修改文件权限（可选），然后执行文件
sudo chmod a+x NVIDIA-Linux-x86_64-375.26.run # optional sudo bash ./NVIDIA-Linux-x86_64-375.26.run3）安装过程中开始会提示一个预安装script安装失败，问你要continue 还是abort，点击 continue就行，不用管。
5.进入cuda安装文件的文件夹，安装cuda
sudo sh cuda_8.0.61_375.26_linux.run1）在选择是否安装nvidia驱动时，选‘n’，因为我们已经安装好了
2）在选择安装cuda samples，选 ‘n’，因为不需要
3）其余选项选择‘y’，或默认就行了
4）安装成功后，关机（命令为 shutdown -h Now），更换显示输出端口为独立显卡的输出端后再启动；此处如果直接重启（sudo reboot）的话，由于未更换显示输出端口，而原驱动被禁用等原因，会出现循环登录的情况，此时强行关机再更换显示输出端口即可。
6.启动后配置cuda环境变量
1）一般配置此步即可，但有时会出现问题，可以选择用root用户进行编辑，也可以尝试后两步
gedit ~/.bashrc # if can't edit,add sudo before
# add the two lines following
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
# cuda can change as cuda-8.0 specifically
source ~/.bashrc # MUST source
2）
sudo gedit /etc/ld.so.conf.d/cuda.conf
# add the two lines following
/usr/local/cuda/lib64
/lib
sudo ldconfig -v
3）
sudo gedit /etc/profile
# add following two lines
PATH=/usr/local/cuda/bin:$PATH # 不能有空格！！
export PATH
source /etc/profile
7.验证是否安装成功：
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery sudo make ./deviceQuery
四、安装cudnn
1.下载对应cuda版本的cudnn，可以去官网下载，需要注册；不想注册的可以从网盘下载，网盘有5.1和6.0，建议下载cudnn 6.0（tensorflow要求6.0）；也可以用下面的命令行下载：
wget http://developer.download.nvidia.com/compute/redist/cudnn/v6.0/cudnn-8.0-linux-x64-v6.0.tgz
2.下载后解压，得到cuda文件夹，里面有include和lib64两个子文件夹
3.进入include子文件夹
sudo cp cudnn.h /usr/local/cuda/include/ # 复制头文件到之前安装的cuda目录
4.进入lib64子文件夹，可以图形界面进入看清楚版本号，方便后期修改
sudo cp lib* /usr/local/cuda/lib64/ # 复制动态链接库到之前安装的cuda目录，注意查看
5.重新生成软链接
cd /usr/local/cuda/lib64/sudo rm -rf libcudnn.so libcudnn.so.x # 删除原有动态文件，版本号注意变化，可在cudnn的lib64文件夹中查看 sudo ln -s libcudnn.so.x.x.x libcudnn.so.x # 生成软衔接，具体看cudnn的lib64中为什么版本，注意变化 sudo ln -s libcudnn.so.x libcudnn.so # 生成软链接 sudo ldconfig -v6.验证安装cudnn后cuda是否依旧可用
nvcc --version # or nvcc -V
五、安装caffe
1.下载caffe，此处下载caffe-master源码，并解压至任何地方即可；
2.进入caffe根目录，进行配置，文件中对每项设置都有注释，看看基本能懂
sudo cp Makefile.config.example Makefile.config sudo gedit ./Makefile.config配置好后，Makefile.config会包含以下有效内容
USE_CUDNN := 1
CUDA_DIR := /usr/local/cuda # or cuda-8.0
CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \
-gencode arch=compute_20,code=sm_21 \
-gencode arch=compute_30,code=sm_30 \
-gencode arch=compute_35,code=sm_35 \
-gencode arch=compute_50,code=sm_50 \
-gencode arch=compute_52,code=sm_52 \
-gencode arch=compute_60,code=sm_60 \
-gencode arch=compute_61,code=sm_61 \
-gencode arch=compute_61,code=compute_61
BLAS := atlas
PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/lib/python2.7/dist-packages/numpy/core/include \
/usr/local/lib/python2.7/dist-packages/numpy/core/include
PYTHON_LIB := /usr/lib
WITH_PYTHON_LAYER := 1
INCLUDE_Dirs := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/
LIBRARY_Dirs := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/usr/lib/x86_64-linux-gnu/hdf5/serial/
BUILD_DIR := build
distribute_DIR := distribute
TEST_GPUID := 0
Q ?= @
3.进一步更改配置sudo gedit ./Makefile
# replace this line
NVCCFLAGS += -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
# with the following line
NVCCFLAGS += -D_FORCE_INLInes -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
并打开CMakelists.txt添加一下内容
# ---[ Includes
set(${CMAKE_CXX_FLAGS} "-D_FORCE_INLInes ${CMAKE_CXX_FLAGS}")
4.为hdf5添加软连接，在ubuntu16.04的某些升级之后，此步不再需要，但安全起见依然进行
cd /usr/lib/x86_64-linux-gnu sudo ln -s libhdf5_serial.so.10.1.0 libhdf5.so # 源文件的版本可能有所不同，可进入文件夹进行查看后再确定 sudo ln -s libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so5.安装需要的python模块，先进入caffe根目录（可以以root用户运行，避免出现一些权限问题）
cd python for req in $(cat requirements.txt); do pip install $req; done如果有任何问题，可以再次执行以下命令
for req in $(cat requirements.txt); do sudo -H pip install $req --upgrade; done6.开始正式编译caffe
make all -j87.编译成功后，进行验证，没有错误即安装成功，大大地撒花o(∩_∩)o
make runtest -j8注：有的时候可能会出现找不到cuda相关的文件，可以直接进入cuda安装目录进行确认，一般都是存在的，可能是环境没有配置好，可以使用root用户重新配置环境并用root用户运行runtest，或者重启，一般都不会有大问题
六、编译其他结构
可以编译caffe的matlab和python接口，此处我们只编译python接口
1.直接进入caffe根目录，编译pycaffe
make pycaffe -j82.配置环境
sudo gedit ~/.bashrc # add the following line export PYTHONPATH=/path/to/caffe-master/python:$PYTHONPATH source ~/.bashrc3.测试pycaffe
python >>> import caffe # 不报错即安装成功注：如果提示找不到caffe，可以尝试用root用户配置环境，并用root用户执行；或者今后在写代码的时候，每次都直接将caffe的路径加入即可，只要caffe安装成功了，其他都是小问题
import sys
sys.path.append('/path/to/caffe-master/python')
import caffe
4.最后，可以安装jupyter神器
sudo pip install jupyter # 命令终端输入以下语句即可使用 jupyter notebook
~~~~~~~~~~~~~~~~~~~~~~华丽丽分割线~~~~~~~~~~~~~~~~~~~~
参考：
1.Ubuntu 16.04 or 15.10 Installation Guide：https://github.com/BVLC/caffe/wiki/Ubuntu-16.04-or-15.10-Installation-Guide#the-gpu-support-prerequisites
2.Install caffe-GPU on Ubuntu-16.04：http://gear.github.io/2017-03-30-caffe-gpu-installation/
3.Ubuntu16.04 Caffe 安装步骤记录（超详尽）：http://blog.csdn.net/yhaolpz/article/details/71375762
4.Ubuntu16.04+CUDA8.0+cudnn7.5+Caffe安装过程：http://www.jb51.cc/article/p-ccblelec-ys.html